イオンQ、ORNL、NVIDIA、テネシー大学ノックスビル校がAI駆動型生成量子回路合成を推進

オークリッジ国立研究所（ORNL）が主導し、イオンQ（NYSE: IONQ）、NVIDIA、テネシー大学ノックスビル校（UT）が共同で行った研究により、分散型量子アルゴリズムにおける反復的なパラメータ調整ループを直接排除する量子最適化回路を合成する生成AIフレームワーク「DQAOA-GPT」が発表されました。これは、IEEE Quantum Week 2026（トロント）で発表され、スケーリングする量子ドメイン幅全体でのサブ問題評価のための定数時間回路合成を実証したことで、最優秀論文賞を受賞しました。

このフレームワークは、分散型量子近似最適化アルゴリズム（DQAOA）の従来の試行錯誤による変分ループを、高性能な回路プロファイルでトレーニングされたトランスフォーマーモデルに置き換えます。生成トランスフォーマーは、各サブ問題に対して候補となる量子回路を直接出力し、グローバルな解パラメータを更新する前に、固定された10個の候補サンプリングステップで評価されます。NVIDIA CUDA-QおよびcuQuantum SDKを介して、NVIDIA H200 GPU1台を使用してベンチマークされた100変数高次制約なし二値最適化（HUBO）問題では、従来の変分回路最適化時間は34秒（4量子ビット）から11分以上（12量子ビット）に増加しましたが、生成型DQAOA-GPTアプローチは、サブ問題の量子ビット数に関係なく約28秒の一定の合成実行時間を維持し、全体の解の質を2倍にしました。