Google Quantum AIは、リアルタイムキャリブレーションとアクティブな量子誤り訂正（QEC）を統合するハードウェア制御フレームワークを発表しました。これにより、自律的な強化学習（RL）エージェントが、中断のない実行中に論理量子ビットを安定させることが可能になります。このエンジニアリングマイルストーンは、Nature誌（「Reinforcement learning control of quantum error correction“）に掲載され、耐故障性量子コンピューティング（FTQC）が直面する主要なボトルネックである、環境ドリフトと材料の非定常性に対処しています。これらは微細なデバイスキャリブレーションを低下させ、通常はシステムをオフラインにして破壊的なメンテナンスを行う必要がありました。
構造的な二値誤り検出信号を、継続的なコンテキスト内トレーニング入力として再利用することで、Googleの制御システムは次世代のWillow超伝導プロセッサが自身の誤りから継続的に学習できるようにします。これにより、破壊を伴わないリアルタイム最適化を優先し、従来の物理ベースのキャリブレーションルーチンや人間による専門家チューニングウィンドウが不要になります。
[ Google Willow RL Control Stack ]
Hardware Node ──► 距離5/7サーフェスコードおよび距離5カラーコードを実行するWillow超伝導プロセッサ。
Algorithmic Pivot ──► 誤り検出イベントとアクティブなハードウェアパラメータチューニングのマージ。
Optimization Vector ──► O(1,000)の制御を管理する、因数分解された多変量ガウスポリシー分布。
Performance Floor ──► 論理安定性の3.5倍の改善。ベース論理誤り率の20%削減。
多目的ポリシー勾配追跡のメカニズム
マルチ量子ビットプロセッサを安定化する上での中心的なアーキテクチャ上の課題は、物理ゲートのアナログ的な脆弱性に起因します。QECプロトコルを効果的に実行するには、物理誤り率を所定の耐故障性しきい値（約10-3～10-2）より厳密に低く維持する必要があります。標準的な最適化フレームワークは、有向非巡回グラフ（DAG）を介して個々の制御ライン（例：マイクロ波パルス振幅、XY周波数、CZ結合位相）を分離することで、この境界を維持しようとします。しかし、低周波の熱変動、計測ドリフト、微細な材料欠陥は、これらの局所的なキャリブレーションをすぐに無効にします。
Googleのフレームワークは、コード距離が増加するにつれて指数関数的に大きなデータセットを必要とする直接的な論理誤り率（LER）追跡のスケーリング限界を回避します。これは、計算効率の良い局所的な代理目的関数（C）を構築することによって実現されます。この代理目的関数は、プロセッサの時空間検出領域全体にわたる誤り検出イベントの平均レートをマッピングします。
学習パイプラインは、専用のトレーニングエポックを通じて反復的に実行されます。システムは、因数分解された多変量ガウスポリシー分布によってモデル化される1,000を超える内部制御パラメータに、小さな同時確率的摂動を適用します。検出領域は近くの制御ラインに対して疎で局所的な関係を維持するため、Googleはこの問題を二部グラフとして構造化します。
特定の摂動がパリティ反転検出信号のスパイクまたはドロップを引き起こすと、多目的パラメータ探索ポリシー勾配アルゴリズムが局所的な勾配を計算します。エントロピー正則化とペアになった近接ポリシー最適化（PPO）を適用することにより、エージェントは環境ドリフトプロファイルを追跡するために分布の平均（μ）を継続的に調整し、局所的な最小値への陥りを避けるために最適化された探索分散（σ2）を維持します。
経験的ベンチマークとスケーラビリティのマイルストーン
統合されたRLアーキテクチャは、Willowハードウェアアーキテクチャ上の距離5および距離7のサーフェスコード、および距離5のカラーコード構成で実験的に検証されました。システムは以下のパフォーマンスパラメータを達成しました。
- 記録的な抑制：既に最適化された専門家キャリブレーション済みプロセッサの微調整により、論理誤り率が即座に20%追加で抑制され、純粋な物理ベースのシステムモデリングの限界を超えました。
- 論理的安定性：ターゲットを絞った人工的なドリフトプロファイル（正弦波、ステップ状、ストロボ変調を含む）の下で、エージェントはサーフェスコードレイアウトを安定させ、補完的なデコーダーガイダンスと統合された場合に論理的安定性が3.5倍向上しました。
- QECしきい値フロア：このアーキテクチャは、距離7サーフェスコード（AlphaQubit2ニューラルネットワークモデルでデコード）で7.72(9)×10−4、距離5カラーコードで8.19(14)×10−3という、サイクルあたりの記録的な平均論理誤り率を達成しました。
長期的な実行可能性を評価するため、Googleは、約40,000の独立した制御パラメータを管理する距離15サーフェスコードまで数値スケーリングシミュレーションを実行しました。結果は、勾配降下収束率（γ）が指数関数的な法則（1 − Λ/Λ* ∝ e−γt）によって支配されており、これは総システムサイズに完全に依存しないことを確認しました。この非結合的なスケーリング動作は、因数グラフの局所的な疎性の直接的な産物であり、リアルタイムの自律RL制御レイヤーは、コンピューティングシステムが数万の物理量子ビットを含む耐故障性レジームに移行するにつれて、予測可能にスケーリングすることを確認しています。
Yossi MatiasのLinkedIn投稿こちらから公式の研究概要を確認するか、Natureの査読付き論文で直接確認してください。
2026年7月10日
