arXiv量子コンピュータニュース（2026年10月5日）

キーワード: 言語モデルエージェントによる自律校正 / スキル化した暗黙知 / 校正プロットの視覚言語モデル評価 / 解析的パルスの記号生成 / 逐次弱測定による拡散型誤り緩和

オープニング：2026年10月5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7回目は、テーマ（4）の校正・パルス制御・誤り緩和に絞り、量子プロセッサを動かすための古典側の作業に大規模言語モデル（LLM）や生成モデルを入れる研究を扱う。10月3日の回では窒素空孔中心の実験でLLMエージェントが校正と測定を担う例を見たが、今日は超伝導量子ビットの校正を中心に、その前後の層まで広げる。1本目はオックスフォード大学とトロント大学のk-agentsで、LLMエージェントが実験手順を状態機械に分解し、3量子ビットの校正からGHZ状態の生成までを進めた。2本目は北京量子情報科学研究院などのVibe Calibrationで、専門家の暗黙知を受け入れ基準付きの「スキル」に蒸留し、112量子ビットのプロセッサの特性評価を4.7時間で自律的に終えた。3本目はNVIDIAなどのQCalEvalで、エージェントの「目」にあたる校正プロットの読み取りを18の視覚言語モデル（VLM）で測った。4本目は清華大学などのVF-QCTRLで、LLMがパルスを数値列ではなく解析式として提案する。5本目はバルイラン大学とNVIDIAによる、逐次弱測定を拡散モデルの前向き過程に見立てた誤り緩和である。5本に共通する問いは、LLMにどの判断を任せ、何を合否の基準として決定論的に固定するかである。実機を使うのは1本目と2本目で、3本目は実機データを一部含むベンチマーク、4本目と5本目は数値計算のみである。

論文1: 言語モデルエージェントによる超伝導量子プロセッサの自律校正

出典: Agents for self-driving laboratories applied to quantum computing. arXiv:2412.07978 (2024, v2 2025).

LLMエージェントを実際の超伝導量子プロセッサの校正に使った初期の例であり、今日の2本目と3本目がいずれもこの研究を出発点として引用しているので、基準点として選んだ。著者はオックスフォード大学クラレンドン研究所のShuxiang Cao氏、Peter Leek氏らと、トロント大学およびベクター研究所のZijian Zhang氏、Alán Aspuru-Guzik氏の8人で、初版は2024年12月10日、第2版は2025年6月5日である。著者らは、実験室の知識がコード、文書、図という多様な形で散らばり、しかも公開されていないため学習データに含まれず、頻繁に更新されるのでファインチューニングにも向かないと指摘する。標準的な検索拡張生成（RAG）は関連度で文書を選ぶだけで手順の理解に届かず、会話履歴をすべてプロンプトに入れる先行のエージェントは、長時間の多段階実験で性能が落ちる。提案するk-agentsでは、実験クラスごとに作るコード翻訳エージェント、複数段階の手順例を保持する手順翻訳エージェント、結果の図を判定するマルチモーダルの検査エージェントという3種類の知識エージェントを置く。実行エージェントは自然言語の手順を段階に分解し、各段階に自然言語の遷移規則を付けた「エージェント型状態機械」を作り、検査エージェントの報告に基づいて次の段階を選ぶ。各段階では埋め込みの類似度で関係する翻訳エージェントだけを起動するので、全履歴を読み込まずに長い実験を続けられる。

評価では、8種類の実験から作った80個の指示を17個のコード翻訳エージェントで翻訳させ、GPT-4oで97%の正答率を得て、標準的なRAGを上回った。図の判定では、成功基準の文章だけを与えるより例の図を添える方が正確になった。実機は4×4格子の16量子ビット固定周波数トランズモンで、そのうち隣接する3量子ビットを使った。単一量子ビットの再校正では、わざとずらした初期値から周波数、振幅、DRAGの順に調整し、最初のラムゼー測定で振動の数が足りないと判断して測定時間を延ばして再実行し、最後にランダム化ベンチマークで忠実度を報告した。2量子ビットのsiZZleゲートでは、駆動周波数と振幅の探索の経験則を2つのLLMエージェントに持たせ、実験は最大100回、周波数は最大20点という制限で3時間探索し、4726 MHz、振幅0.3049という動作点を見つけた。その後、3量子ビットのGHZ状態の生成と状態トモグラフィーを自然言語の指示から実行した。2量子ビットゲートの探索中のLLMの使用量は、入力約137万トークン、出力約17万トークンで、費用は5ドル未満だった。限界として著者らは、整ったコードと手順書が前提であること、図の判定に数秒かかり人より遅いこと、実行を途中で細かく止められず全体の停止しかできないことを挙げている。実証は3量子ビットに限られ、強化学習やベイズ最適化による校正との定量比較はない。

論文2: 112量子ビットの超伝導プロセッサをスキル化した言語モデルエージェントが立ち上げる自律校正

出典: Vibe Calibration: Autonomous Bring-up of a 112-Qubit Superconducting Quantum Processor by a Skill-Orchestrating Language Agent. arXiv:2606.22376 (2026).

1本目が3量子ビットで示した方式を100量子ビット超の実機へ広げ、人と並べた比較、再現性、別チップへの転移まで定量的に報告しているので選んだ。著者は北京量子情報科学研究院のHuikai Xu氏、Hai-Feng Yu氏、中国科学院物理研究所のLei Wang氏、中国科学院理論物理研究所のPan Zhang氏、DP TechnologyのLin-Feng Zhang氏ら14人で、2026年6月21日の投稿である。著者らは、障壁はLLMの指示実行能力ではなく、書き出せる明示的な知識と、失敗からの復旧の経験則のような暗黙知との差にあると主張する。そこで暗黙知を「スキル」として蒸留する。スキルは、パラメータ付きの測定命令、定量的な受け入れ基準、監査記録をまとめた決定木で、例えば時間ラビ振動の比が0→1遷移と合わなければ分光測定へ戻る、といった巻き戻しの辺を持つ。パラメータの書き戻しには、決定係数0.9超、振動1周期あたり10点以上、フィットのSN比10 dB以上を課し、これらは1024ショットでのクラメール・ラオ限界から決めたとしている。蒸留は3段階で、1量子ビットの固定周波数素子では専門家が毎回監督し、16量子ビットの周波数可変素子では未知のエラーのときだけ遠隔の専門家を呼び、その対処をスキルに追加し、112量子ビットの素子では人の監督なしで実行する。エージェントの枠組みにはClaude Codeを使い、中身のモデルには、検証済みの軌跡で学習させたQwen3.6-35B-A3B（総パラメータ350億、うち30億が稼働するMoE）を使った。

112量子ビットの全体の校正は1回の4.7時間で終わり、内訳は伝送線路の特性評価と配線確認が1.2時間（手作業のケーブル付け替えの時間を含む）、量子ビットごとの校正が3.1時間、コヒーレンス測定と報告が0.4時間である。同じ作業を専門家が行うと18〜24時間と見積もられ、4〜5倍の短縮になる。T1の有効なフィットはエージェントが108/112、人が112/112、T2のラムゼー値は102/112と110/112で、T1の中央値は96.2マイクロ秒と95.7マイクロ秒でほぼ一致した。一方、T2の中央値は7.9マイクロ秒と14.4マイクロ秒で、著者らはこれを、人がフラックスのスイートスポットに合わせたのに対し、エージェントはバイアスを細かく合わせずその近傍で測ったためだと説明する。無作為に選んだ16量子ビットでの対照比較では14個（87.5%）で測定の不確かさの範囲内で一致し、所要時間は0.6時間対3.8時間だった。8量子ビットで電源を入れ直して3回実行すると、周波数は二乗平均で±120 kHz、πパルス振幅は±0.012の範囲でそろった。学習に含まれない別の16量子ビットチップ用の新しいスキルを与えると、35B版は6回のセッションすべてで新しいスキルを読み込んで5回は完全に従ったが、別のデータで学習した35B版は学習時のスキルに戻ることがあり、4B版はいずれも失敗した。限界として、実証は単一量子ビットの特性評価までで、2量子ビットゲートの校正やクロストーク補償は今後の拡張とされている。また人の所要時間は見積もりである。

論文3: 校正プロットの読み取りを視覚言語モデルで測るベンチマーク

出典: QCalEval: Benchmarking Vision-Language Models for Quantum Calibration Plots Understanding. arXiv:2604.25884 (2026).

1本目でエージェントの律速とされた「図の判定」だけを切り出し、18のVLMを同じ条件で比べた初めてのベンチマークで、2本目も比較対象として詳しく論じているので選んだ。著者は1本目の筆頭著者でもあるNVIDIAのShuxiang Cao氏、Krysta Svore氏、トロント大学のAlán Aspuru-Guzik氏らに、IQM、ローレンス・バークレー国立研究所、英国国立物理学研究所、Infleqtion、ハーバード大学、フェルミ国立加速器研究所などを加えた32人で、2026年4月28日の投稿である。著者らは、校正の結果はどのハードウェアやソフトウェアでも最終的に図として描かれるので、図を読むモデルなら機種ごとの統合なしに使えると考え、仮定した関数形が外れたときに黙って失敗するパラメトリックなフィットを補う役割を想定する。ベンチマークは22の実験族、87の状況、243標本で、超伝導量子ビットと中性原子を含み、186標本がシミュレーション、57標本が実機のデータである。問いは6種類で、図の技術的な記述、4択の実験結論、科学的な意味と次の手順、フィットの信頼性、パラメータの抽出、実験族ごとの状態コードによる校正診断である。記述と意味の問いはGPT-5.4とGemini 3.1 Proの2つのLLMで採点し、残りはプログラムで採点する。

例を与えないゼロショットでは、汎用モデルの最高はGemini 3.1 Proの平均72.3だった。図の記述は65〜91点と高いが、実験結論は32〜67点、校正診断は37〜75点に落ち、すべてのモデルで「最適でないパラメータ」の60.7%を「期待どおり」と判定する楽観的な偏りが見られた。校正診断の誤りの85%は、実際には失敗なのに成功と答えるものである。各状況のラベル付きの例を見せる文脈内学習では、Claude Opus 4.6の校正診断が60.5から89.4へ、Gemini 3.1 Proが71.2から89.8へ上がり、公開重みのGemma 4（310億パラメータ）も62.1から86.0へ上がった。一方、Qwen3.5の各モデルなどは複数画像の例でかえって下がり、90億パラメータ版は18.4点、350億パラメータ版は16.7点低下した。例の数を0から5へ変える実験で、これらのモデルは1例で頭打ちになってから下がり、単なる画像の多さでは説明できないとされた。90億パラメータでの教師ありファインチューニングの比較では、ゼロショットの校正診断が61.1から70.6に上がったが、文脈内学習での自由記述の推論はどの手順でも改善しなかった。この知見から公開した重み公開モデルIsing Calibration 1は、ゼロショット平均74.7で、元のモデルより19.2点高いが、文脈内学習の校正診断は42.4にとどまる。限界として、実験族ごとの標本数は2〜21と少なく、評価は1枚の図に対する1回の質問応答で、校正の手順の中で連続して判断する能力は測っていない。

論文4: 言語モデルが解析的なパルスの式を提案する汎用量子制御

出典: Toward General Quantum Control with Physics-Informed Large Language Models. arXiv:2605.26021 (2026).

校正の下にあるパルス設計で、LLMに数値の列を直接出させると長い系列で破綻するという問題を、構造の提案と数値の微調整の分離で避け、GRAPEやCRABなどの既存手法と16課題で比べているので選んだ。著者は香港科技大学（広州）のYusheng Zhao氏、Han Wang氏、清華大学のDi Luo氏ら、北京大学、中山大学、深圳大学、南方科技大学、中国移動（蘇州）の研究者を含む13人で、2026年5月25日の投稿である。著者らは、数値最適制御は勾配評価と大規模なシミュレーションを繰り返す必要があり、得られる振幅の列は物理的な構造を読み取りにくいと指摘する。VF-QCTRLでは、提案エージェントが各制御チャネルについて、ガウス包絡や断熱的な掃引、微分による補正項などを含む少数の係数を持つ時間の解析式を提案し、同時摂動確率近似（SPSA）でその係数だけを最適化する。反省エージェントが過去の試行の長所と短所を短い物理的な助言にまとめ、生成された式は制約付きの文法と隔離した構文解析器で検証してから評価する。QCTRL-Benchは、1量子ビットと多量子ビット、閉じた系と開いた系、解析解のある課題とない課題を含む16課題で、雑音なしと、ハミルトニアンのパラメータを±2%ずらした未知の静的な校正誤差ありの2条件で評価する。LLMはClaude Sonnet 4.5、Gemini 3.0 Flash、GPT-OSS-120B、Qwen 3.5 Plusの4つで、すべて課題ごとの学習なしで使う。

雑音なしでは全課題で忠実度0.94以上、9課題で0.9999以上となり、16課題中15で最良の古典手法に並ぶか近づいた。例外はトランズモンの論理Xゲートで、GRAPEより0.06低い。校正誤差ありでは、同じ誤差を受ける勾配なしの古典手法に全16課題で並ぶか上回り、11課題で明確に上回った。差が大きいのは、散逸のあるラムダ型の状態移送で0.997対0.966、トフォリゲートの合成で0.9996対0.991などである。雑音なしで最も悪かった論理Xゲートが誤差ありでは0.950対0.941で上回ったことを、著者らは少数の係数を持つ解析式が誤差を吸収するためだと説明する。LLMにパルスの数値を直接出させる比較手法は、2量子ビットのフーリエゲートとトフォリゲートで忠実度0.53〜0.58にとどまり、時間分割を20から220へ細かくすると0.4を下回ったが、VF-QCTRLはほぼ一定だった。モデルごとの平均忠実度はVF-QCTRLで0.91〜0.98、直接出力では0.75〜0.90で、最も弱いGPT-OSS-120BのVF-QCTRLが、最も強いQwen 3.5 Plusの直接出力と同程度になった。数値最適化を一切しない設定でも、LLMは基底状態の追従で反断熱駆動の制御則を導き、NMRのコヒーレンス移送では待ち時間を1/(2J)=5ミリ秒と解析的に求めた。比較では、VF-QCTRLは課題ごとに1回の実行、直接出力の比較手法は5回の最良値である。限界として、すべてシミュレーション上の結果で、校正誤差も固定したパラメータのずれに限られ、実機での閉ループ運用は今後の課題とされている。

論文5: 逐次弱測定を前向き過程とする拡散型の量子誤り緩和

出典: Quantum Error Mitigation with Diffusion-Like Models. arXiv:2608.05382 (2026).

拡散モデルの「雑音を加える前向き過程と、それを戻す学習した逆過程」という構造を、量子系の脱コヒーレンスに物理的に対応させるという着想が新しく、特集の候補表で誤り緩和への生成モデルの応用として挙げていたので選んだ。著者はイスラエルのバルイラン大学工学部のYuval Idan氏、Eliahu Cohen氏ら、NVIDIA（イスラエルと米国）のTaylor L. Patti氏ら5人で、2026年8月5日の投稿である。著者らは、系と環境の結合を時間で離散化すると弱測定の列として表せることに注目し、ランダムに選んだパウリ基底での弱い非選択的な位相緩和を前向き過程とした。1回の弱測定は強さεで状態を射影成分と混ぜ、3つの基底で平均すると各量子ビットに局所的な脱分極チャネルがかかる。個々の軌跡は基底に依存するので、全体に一様な脱分極を毎回仮定するより細かな構造が残る。純度が設定値に下がるまで弱測定を重ねてチャネルを1つ決め、それを多数のハール無作為な状態に適用して、厳密な密度行列の学習データを作る。逆過程は物理的な量子チャネルではなく、古典の学習モデルが雑音後の状態から雑音前の状態を推定する写像で、分離可能な状態にはLSTM、量子もつれ状態にはビジョントランスフォーマー（ViT）とU-Netを使い、幾何平均忠実度を主とする損失で学習した。

分離可能な6量子ビットのレジスタでは、15段の雑音のあとから忠実度0.99超で元の状態を復元した。一方、同じLSTMを量子もつれ状態に使うと、データを増やしても忠実度は約0.5にとどまった。4量子ビットのもつれ状態では、雑音後の全密度行列を入力とするViTは約2000例でほぼ1に達したが、各量子ビットの縮約密度行列だけから全体を復元する課題では1万例で0.949だった。5量子ビットのこの課題（ε=0.1、目標純度0.55、系列長13）では、1万8千組の試験で平均0.9694、中央値0.9975、0.99以上が80.0%、0.95以上が91.6%で、ViTはU-Netを一貫して上回った。局所的な測定だけで済む点を著者らは実験上の利点とするが、一般には縮約密度行列から全体の状態は一意に決まらないので、学習されるのは特定の状態準備と雑音の分布に依存した復元規則だと明記している。限界として、データはすべて合成した厳密な密度行列で、最大でも7量子ビット程度であり、量子ビット数とともに学習データ、計算時間、メモリが急速に増える。比較はLSTM、ViT、U-Netの間で行われており、ゼロノイズ外挿のような既存の誤り緩和法との比較や実機データでの検証は含まれない。

まとめ

今日の5本は、量子プロセッサを動かす古典側の判断にLLMや生成モデルをどこまで入れられるかを、校正の手順、図の読み取り、パルスの設計、誤り緩和の順に見た。k-agentsとVibe Calibrationは、手順の分解や次の測定の選択はLLMに任せ、受け入れ基準や巻き戻しの規則は決定論的に固定するという分担で実機を動かした。QCalEvalは、その分担の中でLLMに残る図の判定に楽観的な偏りがあることを数値で示し、VF-QCTRLは、LLMに数値ではなく式の構造を出させることで長いパルス列での破綻を避けた。誤り緩和の論文はまだ合成データの段階である。今日の結果の多くは単一の装置か数値計算によるもので、2量子ビットゲートの校正や実機での閉ループ制御は、どの論文でも今後の課題として残されている。

参考ソース

• 論文1: Agents for self-driving laboratories applied to quantum computing. arXiv:2412.07978
• 論文2: Vibe Calibration: Autonomous Bring-up of a 112-Qubit Superconducting Quantum Processor by a Skill-Orchestrating Language Agent. arXiv:2606.22376
• 論文3: QCalEval: Benchmarking Vision-Language Models for Quantum Calibration Plot Understanding. arXiv:2604.25884
• 論文4: Toward General Quantum Control with Physics-Informed Large Language Models. arXiv:2605.26021
• 論文5: Quantum Error Mitigation with Diffusion-Like Models. arXiv:2608.05382