arXiv量子コンピュータニュース（2026年9月30日）

キーワード: 多モード拡散モデル / ユニタリ合成 / 量子分野の言語モデル評価 / モデル・コンテキスト・プロトコル / 項目反応理論 / 生成回路の3層評価

オープニング：2026年9月30日 — arxiv量子コンピュータ論文解説

期間限定特集「生成AIで量子計算をつくる」の2回目は、NVIDIA東京の濱村一航（Ikko Hamamura）氏が共著に入る3本を軸にする。1本目は拡散モデルでゲートの種類と回転角を同時に生成してユニタリを回路へ落とす研究、2本目は大規模言語モデル（LLM）の量子分野の知識を学部レベルの769問で測るベンチマーク、3本目はLLMエージェントに量子回路の実行とスーパーコンピュータのジョブ投入までを任せるMCPサーバーである。昨日のGQEが「エネルギーを下げる回路を生成モデルに学習させる」話だったのに対し、今日の3本は、回路を書く、知識を問う、実行する、という生成AIが量子計算に関わる別々の層を扱っている。これに、9月28日投稿の新着で、LLMに量子計算の実務11課題を解かせて能力のばらつきを測ったベンチマークと、2026年3月投稿の、量子回路・量子コード生成システム13種を分類したレビューを加える。濱村氏の3本はそれぞれ2025年6月、2025年10月、2026年4月の投稿で、今日の新着ではない。5本を通じて見るのは、生成物の正しさを何で確かめているか（ユニタリの忠実度、選択式の正答、実行結果、単体テスト）と、その検証が実機まで届いているかである。

論文1: 多モード拡散モデルによる離散・連続ゲート混在回路の合成

出典: Synthesis of discrete-continuous quantum circuits with multimodal diffusion models. arXiv:2506.01666 (2025, v3 2026).

拡散モデルによる量子回路合成を、離散ゲートだけの前作から回転角を含む回路へ広げた研究で、濱村一航氏が共著に入り、コードと学習済みモデルがgenQCとして公開されているので選んだ。著者はインスブルック大学のFlorian Fürrutter氏、Hans J. Briegel氏、Gorka Muñoz-Gil氏と、NVIDIAの量子アルゴリズム技術部門のZohim Chandani氏、濱村氏の5人である。初版は2025年6月、第3版は2026年4月の投稿である。与えられたユニタリUを、指定したゲート集合の回路に分解するユニタリ合成では、探索と勾配による角度最適化を組み合わせる既存の手法が高い精度を出すが、量子ビット数とともに実行時間が急増する。強化学習などの機械学習による手法は、候補回路をシミュレーションしてコスト関数や報酬を計算する必要があり、同じグループの前作の拡散モデル（genQC）は離散ゲートのみで、ユニタリ合成は3量子ビットまでの実証だった。本論文は、回路をゲートの種類を表す離散のモードと、回転角を表す連続のモードに分け、それぞれに独立したガウス拡散過程を割り当てる。ゲートの種類は互いに直交する埋め込みベクトルで表し、角度は周期性を保つよう円周上の点（cosとsin）に埋め込む。標準的なコサイン型の雑音スケジュールでは離散トークンが拡散時間の大部分で元のまま残り、学習信号が乏しくなるため、トークンが別のクラスに復号される確率が目標の曲線に沿って徐々に増えるよう、離散側の雑音スケジュールを事前に学習する。二つの損失項は重み曲線の面積をそろえて釣り合わせる。条件入力は、対照学習で作ったユニタリ用エンコーダーの埋め込みと、使えるゲートを列挙したテキストのOpenCLIP埋め込みである。

学習データはCUDA-Qで生成した3〜5量子ビット、4〜32ゲートのランダム回路と対応するユニタリの組6,300万で、ゲート集合はH、CNOT、Toffoli、SWAP、RX、RY、RZ、制御位相の8種である。モデルは1億5千万パラメータの拡散トランスフォーマー（CirDiT）で、A100を16基使い約80万ステップ、単一GPU換算で約700時間学習した。2〜16ゲートのランダムなユニタリ480個に対し各128本を生成した比較では、最小不忠実度の平均が0.09〜0.10、平均ゲート数8、1本あたり0.09秒で、1つのユニタリにつき平均約74通りの異なる回路が出た。厳密分解の量子シャノン分解は不忠実度が10⁻¹⁰程度以下だが、ゲート数は3、4、5量子ビットで68、348、1,558個に増え、近似コンパイラAQCは79〜1,275個、探索型のLEAPは61〜92個で、5量子ビットのLEAPは1時間の上限内に6%が終わらなかった。各ゲートに脱分極雑音を入れたシミュレーションでは、典型的な誤り率の領域で本手法の回路の方がプロセス不忠実度が低くなり、量子ビット数が増えるほど逆転が起きる誤り率は小さい側へずれた。不忠実度の分布には0.4、0.8、1付近に山があり、離散ゲート1〜2個の置き違えが原因とされる。そこで生成回路を初期構造として、角度の勾配最適化と最大3手のゲート挿入・削除・置換の木探索をかけると、平均不忠実度は0.008〜0.015に下がり、ゲート数は平均9個にとどまったが、所要時間は1ユニタリあたり190〜480秒に延びた。量子フーリエ変換では、2,048本の生成から3、4、5量子ビットで最小不忠実度1.4×10⁻⁴、3.8×10⁻³、7.8×10⁻²の回路が得られ、ゲートの出現頻度、制御位相の角度分布、ゲート対の頻出パターンの抽出から、教科書どおりの構成が再現された。限界は著者ら自身が挙げている。精度は探索と勾配を組み合わせた手法に及ばず、ゲート数が増えると急に落ちる。条件入力のユニタリは2ⁿ×2ⁿで量子ビット数に対して指数的に大きくなり、検証したのは最大5量子ビット・32ゲートの範囲である。学習データの最小が4ゲートのため、恒等に近いユニタリでは不要なSWAPを挿入する偏りもある。雑音下の比較はシミュレーションで、実機での実行は含まれない。

論文2: 量子科学の問題解決力を測る言語モデル評価データセット

出典: QuantumBench: A Benchmark for Quantum Problem Solving. arXiv:2511.00092 (2025).

量子分野に特化したLLM評価データセットとして最初期のもので、産業技術総合研究所のチームに濱村氏が加わり、後述の論文3でも先行研究として引用されているので選んだ。著者は産総研のShunya Minami氏、Tatsuya Ishigaki氏、Tadashi Kadowaki氏ら、NVIDIAの濱村氏、横浜国立大学、東京科学大学、デンソーの9人で、2025年10月の投稿である。既存の汎用ベンチマークでは量子分野の問題が少なく、博士レベルの選択式問題集GPQAでも量子力学は64問にとどまる。量子向けの既存評価は、Qiskitのコード生成を測るQiskit HumanEvalのようにプログラミングに偏っていた。著者らは、MIT OpenCourseWare、TU Delft OpenCourseWare、LibreTextsから量子関連の講義・教科書15件を選び、解答が一意に決まる769問を抽出した。問題文は単独で解けるよう、暗黙の記法や定義を補う作業をgpt-oss-120bの補助を受けて人手で行い、正解以外に、符号の誤りだけでなく問題の読み違いや途中計算の誤りを反映した7個の誤答肢を人手で作って8択にした。分野は量子力学212問、光学157問、場の量子論107問、量子化学86問、量子計算60問など9分野で、記号計算が575問と約75%を占め、数値計算は144問、概念理解は50問である。量子科学の研究者3人が難易度（1〜5）と必要な専門性（1〜4）を付け、平均はそれぞれ2.68と2.37で、難易度5や博士レベルの問題は含まれない。

評価したのはOpenAI、Meta、Alibaba、Google、DeepSeek、Moonshot AIの27モデル、推論強度の違いを含めて48構成で、ウェブ検索や外部ツールは切り、公開重みのモデルは産総研のABCI-QのH100で動かした。最高はGPT-5で、公開重みのgpt-oss-120bとQwen3-235Bがそれに近い正答率を出した。推論機能を持たないモデルは80%を超えず、推論強度を上げるほど正答率は上がり、最小設定では大きく落ちた。一方でAPI費用に対する正答率の伸びは急に鈍り、中程度の推論をさせた小〜中規模モデルが最上位に近づく。推論機能のない10モデルに段階的推論を促すゼロショットCoTを加えても改善は限定的で、最も伸びたGPT-4.1は出力の長文化で費用も大きく増えた。誤りの例として、専門家が難易度2とした交換可能な観測量の完全系の問題で、全モデルの平均正答率は約29.2%にとどまり、モデルは必要な条件の確認を一部飛ばして誤った反例を示していた。GPT-5-chat-latestに難易度と専門性を判定させると、人間の評価より難しく専門的だと付ける傾向もあった。限界として、出典は公開教材なので学習データへの混入の可能性があり、著者らは問題文の編集、選択肢の新規作成、日本語版で英語版とほぼ同じ結果が出たことを反論として挙げている。人間の正答率は測っておらず、学部レベルの選択式である以上、研究で必要な課題設定・手順分解・検証の能力は測れないと著者ら自身が述べている。

論文3: 量子計算とスーパーコンピュータのジョブ実行を言語モデルに任せるサーバー

出典: A Model Context Protocol Server for Quantum Execution in Hybrid Quantum-HPC Environments. arXiv:2604.08318 (2026).

「AIサイエンティスト」の議論で手薄だった計算の実行段階を、国内の量子・古典ハイブリッド計算基盤ABCI-Q上で具体的に組み上げた報告で、濱村氏が共著に入っているので選んだ。著者は早稲田大学のMasaki Shiraishi氏、NVIDIA東京の濱村氏、産総研のTatsuya Ishigaki氏とTadashi Kadowaki氏の4人で、2026年4月の投稿である。利用者が「3量子ビットのGHZ状態を作って2000回測定」のような自然言語の指示を出すと、PBSスケジューラ経由で言語モデルのジョブが計算ノードに割り当てられ、モデルがOpenQASM 2.0の回路を書き、MCP（Model Context Protocol）サーバーが公開する道具を選んで呼ぶ。道具はCUDA-Qによるサンプリングと期待値計算、Quantinuumへのサンプリング投入と結果取得の4つで、CUDA-Qの計算は別のPBSバッチジョブとしてSingularityコンテナ内の1〜4基のH100で、Quantinuumへの投入はREST APIで非同期に行う。未発表のアルゴリズムや機密データを外部に出さないため、言語モデルは商用クラウドを使わず、総パラメータ316億・推論時の活性パラメータ約36億の混合専門家モデルNemotron 3 Nanoを4ビット量子化してOllamaでABCI-Q内に置いた。システムプロンプトはOpenQASM 2.0の文法、ゲートの定義、ZZ相互作用のCX・RZ・CX分解、観測量の書式、道具呼び出し用のJSON形式に絞っている。ABCI-Qには富士通の超伝導、QuEraの中性原子、OptQCの光の量子プロセッサが接続される計画だが、現時点では利用できず、外部の量子クラウドへの接続で代えている。

実証はGHZ状態のサンプリングと、三角形グラフのマックスカットに対する1層QAOAの期待値計算である。GPUシミュレータでの2000回測定は、本文では|000⟩が996回、|111⟩が1004回と報告されているが、本文がこの結果の根拠として参照する図2のJSON出力は1040回と960回で、数値がそろっていない。QuantinuumのH2-1Eエミュレータでは100回中|000⟩が42回、|111⟩が57回、|110⟩が1回で、著者らはこれをエミュレータの雑音模型の反映としている。QAOAはγ=1.4、β=0.8で期待値0.0299が得られ、直接の数値計算と一致した。5回の反復でQAOAは全成功（平均4ステップ）、GHZは8回中6回成功で、失敗2回はいずれも回路ではなくJSON出力の書式崩れだった。所要時間の内訳では、QAOAの合計107.3秒のうち言語モデルの推論が43.6秒、PBSの待ちとコンテナ起動が57.1秒、量子計算そのものは1.0秒で、Quantinuum経由は3つのPBSジョブを要して合計191.8秒、うちクラウドAPIとのやりとりは8.3秒だった。1ジョブあたり約42秒のコンテナ起動が下限として残り、全所要時間に占める量子計算の割合はCUDA-Qで1%未満、Quantinuumで4.3%である。限界として、扱った課題は3量子ビットの定型的な基本操作で、指示文の中で使う道具やハミルトニアンまで指定しており、言語モデルが実験を設計する能力は評価していない。Quantinuumの結果はエミュレータで、実機の量子プロセッサでは実行していない。生成の非決定性に対する再現性の確保は、著者ら自身が今後の課題に挙げている。

論文4: 量子計算の実務11課題で見る言語モデルの得手不得手

出典: QC-Stark: A Multi-Task Benchmark Revealing Capability Dissociations in LLMs Evaluated on Quantum Computing Tasks. arXiv:2609.35581 (2026).

9月28日に投稿された今日の新着で、論文2が知識を選択式で測ったのに対し、回路の構築からコンパイル、デバッグ、誤り訂正までを実行結果で自動採点しており、比較の相手として適しているので選んだ。著者はシスコのPranav Gupta氏の単著である。課題は、状態準備、トロッター分解、オラクル合成、デバッグ、雑音と構造的バグの識別、難読化した回路からのアルゴリズム同定、回路の等価判定、ハードウェア接続に合わせたSWAP挿入（ルーティング）、雑音チャネルの構成、VQE、反復符号などのシンドローム復号の11種で、それぞれ教科書レベルのL1から未解決に近いL5まで5段階ある。問題は（課題、難易度、乱数シード）から決定的に生成され、学習データへの混入を避けやすい。モデルはQiskit 2.xでsolve()関数を書き、状態忠実度や機能的等価性を検証器が判定するので、人手の採点は要らない。10モデル×11課題×5難易度×5シードの2,750件を評価した。

全体の平均正答率は0.445で、首位はClaude Sonnet 5の0.662、次いでGemini 3.5 Flashの0.651、o4-miniの0.593で、LLaMA-3.3 70Bは0.120だった。課題間の差は大きく、等価判定の平均0.78に対しデバッグは0.13である。10モデル中6モデルがデバッグで0点で、推論特化のo4-miniも65,536トークンの予算で0%だった。ルーティングは全体平均0.21で、総合8位のGemini Flash Liteが0.44で最も高く、総合4位のGPT-5.4は0.04で、SWAPを入れる過程で元の回路と等価でなくなる出力が多かった。総合順位と課題別順位のスピアマン相関は、ルーティング（ρ=0.27、p=0.45）、トロッター分解、デバッグ、等価判定の4課題で有意でなく、総合スコア1つではモデル選びの指針にならないというのが著者の主張である。難易度別の平均はL1の0.655からL5の0.267へ59%下がった。2パラメータの項目反応理論でモデル能力と問題の難易度・識別力を推定すると、信頼性は0.985で、本文では275項目の78.5%が識別力1.0を超えたとする（付録の表では項目を課題×難易度の55セルとして数えている）。難易度はL1からL5へ単調に上がった。構造化したプロンプトと最小限のプロンプトを比べても順位の相関は0.915だった。ただし、本文はClaude Sonnet 5が項目反応理論の能力値でも首位（θ=1.418）と書く一方、付録の推定表ではGemini 3.5 Flashが1.122、Claude Sonnet 5が1.090で順位が逆になっており、記述がそろっていない。各課題・難易度のセルは5シードだけで、モデルごとに使えるトークン予算も4,096から65,536まで異なる。著者はベンチマークの設計にClaude Codeを使ったためClaude系に有利な偏りがありうると明記しており、Qiskit 2.xでの出力を課すことで量子の知識とAPIへの習熟が混ざる点も限界に挙げている。

論文5: 量子回路・量子コード生成AIの技術レビューと分類

出典: Generative AI for Quantum Circuits and Quantum Code: A Technical Review and Taxonomy. arXiv:2603.16216 (2026).

今日の4本を含む「量子回路・量子コードを生成するAI」全体を、生成物の種類と学習方法で整理し、評価がどの層まで届いているかを一覧にした地図として選んだ。著者はヴァーサ大学とトゥルク大学のJuhani Merilehto氏の単著で、2026年3月の投稿である。2026年1月1日から2月15日にかけて、Hugging Faceのモデルカード35件とarXiv論文193件の計228候補を集め、題名と要旨で190件、本文で16件を除き、さらに出典の追跡で見つけたものを加えて、生成システム13種とデータセット・ベンチマーク5種を残した。整理の軸は、生成物（Qiskitのコード、OpenQASMプログラム、回路のグラフ）と学習方法（教師ありファインチューニング、シミュレータ検証を報酬に使う強化学習、拡散・グラフ生成、エージェント型の最適化）の2つで、6つの系統に分けている。Qiskit向けのコードアシスタントは、GraniteやQwen2.5-Coderを約5千万トークンのQiskitコードで追加学習し、101課題の単体テストで評価しており、最近はシミュレータで機能的等価性を確かめる報酬によるGRPOの後学習も加わった。OpenQASM 3.0の最適化回路を生成する系統は、出力分布とコスト・ハミルトニアン期待値の一致で評価する。拡散・グラフ生成の系統には、論文1の前作genQCと論文1自身が含まれる。

評価は、構文として正しいか（第1層）、意図したユニタリやアルゴリズムを実装しているか（第2層）、ハードウェアで動くか（第3層）に分け、第3層をさらに、実機の基本ゲートと接続へのトランスパイルが通り資源が許容範囲か（3a）と、実機で実行して理想的なシミュレーションと分布を比べたか（3b）に分けた。13種すべてが第1層を扱い、大半が何らかの形で第2層を扱うが、3bを報告したシステムは一つもなく、3aもトランスパイル後のゲート数と深さをそれぞれ約37.6%、37.8%減らしたと報告するAltGraphが部分的に扱うだけだった。生成の段階で接続制約や実機の基本ゲートを考慮しているシステムもない。第2層の方法も単体テスト、プロセス忠実度、分布の一致、実在らしさの代理指標と系統ごとに異なり、相互に換算できないため、表に並べても系統をまたいだ順位は付けられないと著者は強調する。検証の計算量も壁で、状態ベクトルはO(2ⁿ)、ユニタリ全体はO(4ⁿ)のメモリを要し、50量子ビットの状態ベクトルだけで約18ペタバイトになる。提案として、基準となる実機トポロジーの下でトランスパイル後のSWAP増加率と深さの増加倍率を常に報告することを挙げている。限界として、選別と分類は著者1人が行い、評価者間の一致度は測っていない。公開情報のない企業のシステムは対象外で、各システムの主張は再現せずにそのまま採っている。論文1についてはモデル規模が未記載で評価の開示が限られると分類しているが、このレビューの文献収集は2026年2月15日までで、論文1はその後の2月24日に第2版、4月に第3版が投稿されており、現行版には1億5千万パラメータのモデルと既存手法との比較表が載っている。

参考ソース

• 論文1: Synthesis of discrete-continuous quantum circuits with multimodal diffusion models. arXiv:2506.01666
• 論文2: QuantumBench: A Benchmark for Quantum Problem Solving. arXiv:2511.00092
• 論文3: A Model Context Protocol Server for Quantum Execution in Hybrid Quantum-HPC Environments. arXiv:2604.08318
• 論文4: QC-Stark: A Multi-Task Benchmark Revealing Capability Dissociations in LLMs Evaluated on Quantum Computing Tasks. arXiv:2609.35581
• 論文5: Generative AI for Quantum Circuits and Quantum Code: A Technical Review and Taxonomy. arXiv:2603.16216