arXiv量子コンピュータニュース（2026年10月6日）

キーワード: 生成量子固有値ソルバーによる量子選択配置相互作用法 / イオントラップのシャトリングコンパイラ / 言語モデルによるコンパイラのコード生成 / ルーブリック報酬の強化学習 / 自己回帰ドリフト

オープニング：2026年10月6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8回目は、生成モデルの出力を「何として固定し、どう正しさを保証するか」という観点で、回路設計とコンパイルの5本を並べる。9月29日に原論文を扱った生成量子固有値ソルバー（GQE）と、10月1日に扱ったトランスパイルとT数最適化の続きにあたるが、今日は性能の数字よりも、生成物の検証の仕組みに重心を置く。1本目は慶應義塾大学、三菱ケミカル、NVIDIAの濱村一航氏と中路紘平氏らによる、GQEで量子選択配置相互作用法（QSCI）の入力回路を設計する研究で、生成した回路の評価は古典対角化による変分エネルギーで閉じている。2本目と3本目はマインツ大学のグループによる連作で、イオントラップのシャトリング計画を、2本目では微調整した言語モデルにゲートごとに出力させ、3本目ではフロンティア言語モデルにコンパイラのソースコードそのものを書かせる。同じ課題で「出力を毎回生成する」方式と「プログラムを一度だけ生成する」方式が比べられる珍しい組である。4本目はテキサス工科大学のRubriQで、言語モデルに回路のコードを書かせ、T数・ハードウェア制約・忠実度を採点するルーブリックで強化学習する。5本目はAMDの研究で、Clifford+T回路の厳密な等価性が求められると、自己回帰生成の初期の誤りが連鎖して破綻することを示す。5本とも、実機での結果は4本目の小規模な検証に限られ、残りは数値計算とベンチマーク回路での評価である。

論文1: 生成量子固有値ソルバーで設計する量子選択配置相互作用法の状態準備回路

出典: Generative Circuit Design for Quantum-Selected Configuration Interaction. arXiv:2604.09756 (2026).

特集の起点であるGQEを、近年大規模な実証が進むQSCIへ応用した論文で、GQEの提案者である中路氏と濱村氏がともに著者に入り、候補表の有望度でも上位に置いたので選んだ。著者は慶應義塾大学物理情報工学科のRyota Kemmoku氏とNaoki Yamamoto氏、三菱ケミカルと慶應義塾大学量子コンピューティングセンターのQi Gao氏、Shu Kanno氏、Kimberlee Keithley氏、NVIDIA東京の濱村一航氏、NVIDIAサンタクララの中路紘平氏の7人で、2026年4月10日の投稿であり、今日の新着ではない。QSCIは、量子デバイスで準備した状態を計算基底で測定してスレーター行列式を集め、その部分空間でハミルトニアンを古典的に対角化する方法で、得られるエネルギーは部分空間内のレイリー・リッツ最小値なので変分的である。ただし入力状態の設計が未解決で、広く使われる局所ユニタリ・クラスター・ジャストロウ（LUCJ）回路では同じ行列式が繰り返し測定されてサンプル効率が悪く、時間発展回路は深くなりすぎるという問題がある。著者らはGQEの報酬を、ハミルトニアンの期待値から「対称性補完と最大d_max個への切り詰めを経た部分空間エネルギー」に置き換えた。デコーダのみのトランスフォーマー方策が演算子プールから演算子列を自己回帰的に生成し、1バッチM本の回路のエネルギーを報酬として、GRPOで1バッチあたり30回更新する。さらに、同じバッチの波動関数を一般化固有値問題で混ぜて重みの大きい行列式を残す局所精錬と、それを反復をまたいで引き継ぐ大域精錬を加え、最適化の途中で一時的に見つかった重要な行列式を捨てないようにした。

評価は数値計算のみで、N₂のSTO-3G基底（10電子8軌道、16量子ビット）を結合長1.1、1.8、2.5 Åで比べた。演算子10個という浅い回路では、ランダムな回路は10万ショットでも行列式を70〜90個しか返さず上限170に届かないが、GQEは約45反復で上限を埋め、その後も部分空間の中身を入れ替えてエネルギーを下げ続けた。演算子140個の回路は2量子ビットゲート834個、全ゲート3031個で、3層LUCJの880個と5850個に近いコストだが、LUCJは1000万ショットでも化学的精度に届かなかった。総ショット数を1億にそろえると、化学的精度に必要な2量子ビットゲート数は、3つの結合長の平均で1段の1次トロッター時間発展より98%、SqDRIFTより83%少なかった。ただし、ハートリー・フォック状態と基底状態の重なりが0.957と大きい1.1 Åでは、1回の時間発展の方がサンプル効率は最も高く、GQEの優位は重なりが0.652、0.314と下がる伸びた結合で現れる。大域精錬を加えた部分空間は、2.5 Åでは古典的な選択配置相互作用法であるHCIより約50%小さい部分空間で化学的精度に達したが、1.1 ÅではHCIの方がわずかに小さかった。6-31G基底の28量子ビットと32量子ビットでは、回路1本あたり10万ショットに固定すると最適化した回路単独では化学的精度から遠く、大域精錬によって初めて到達した。著者らはこの結果から、必要な部分空間の次元がショット数と同程度の範囲で有効という目安を示している。限界として、最適化にはM×反復回数の回路評価とそのたびの対角化が必要でコストが系の大きさとともに増えること、実機の雑音下での評価がないことを著者ら自身が挙げ、分子をまたいだ事前学習と転移を今後の方向としている。コードはギットハブで公開されている。

論文2: ファインチューニングした言語モデルによるイオントラップのシャトリングコンパイラ

出典: Shuttling Compiler for Trapped-Ion Quantum Computers Based on Fine-Tuned Large Language Models. arXiv:2512.18021 (2025, v4 2026).

3本目と同じ著者による前段の研究で、言語モデルに計画そのものを出力させる方式の到達点と限界を、完了率と計算コストまで正直に数値化しているので、3本目との対比のために選んだ。著者はマインツ大学情報科学研究所のFabian Kreppel氏とReza Salkhordeh氏、同大学物理学研究所のFerdinand Schmidt-Kaler氏、ザールラント大学のAndré Brinkmann氏の4人で、初版は2025年12月19日、第4版は2026年9月15日である。分割電極型のイオントラップでは、2量子ビットゲートを実行するためにイオンをゲート区画まで運ぶ必要があり、1回の輸送操作は数十マイクロ秒とゲートと同程度以上かかり、運動の励起による位相緩和も生む。輸送計画は、隣の区画へ移す並進、区画を分ける分離と合わせる結合、区画内の順序を入れ替える交換の4つの基本操作で組まれ、後の3つはゲート区画でしか実行できない。これまでのコンパイラはトラップの形ごとに人が経験則を書いてきた。著者らは、Llama 3.2（30億パラメータ）、Qwen 3（40億と140億）、DeepSeek LLM（70億）、Gemma 3（270億）の5つの公開モデルを、直線型と分岐型の1次元トラップで人手の経験則が出力した計画で微調整した。トラップの構成、操作の意味、実行するゲート、現在のイオン位置を文章で与え、モデルはゲート1つ分の操作列を出力する。周囲のパイプラインは操作が規則に合うかを検査し、違反があれば応答全体を捨てて再要求し、最後に冗長な操作の組を取り除くが、経路の判断はしない。

評価回路は7量子ビット106ゲート、10量子ビット263ゲート、16量子ビット230ゲートの3つで、1回の実行が最後まで計画を完成させた割合はそれぞれ36.6%、4.9%、0.3%だった。モデル別では最小のLlama 30億が22.3%で、次のQwen 140億の9.3%の2倍以上であり、完了率はパラメータ数に従わなかった。学習した構成で計画を得られた113構成のうち14構成（12%）で、10回の最良値が人手の経験則より最大21%少ない操作数になったが、完成した実行の平均では経験則より24%多い。1つの計画には平均96分かかり、評価全体で約1万2900 GPU時間を使い、その94%は完成しなかった実行に費やされた。同じ問題を経験則のコンパイラは1つのCPUコアでミリ秒単位で解く。学習に含まれない3つのトラップでは、4方向の分岐を持つ配置でLlamaの1回だけが計画を完成させ、シータ型の配置ではどのモデルも1つのゲートすら実行できなかった。著者らは、ゲートごとに次の状態を考えずに出力する設計と、計画の短さではなく妥当性だけを学ぶ訓練を限界に挙げ、選好最適化（DPO）とGRPOの導入を次の段階としている。新しいトラップの型には、学習データを作るための古典コンパイラがやはり必要である。

論文3: フロンティア言語モデルが仕様書から書くイオントラップのシャトリングコンパイラ

出典: Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures. arXiv:2607.24714 (2026).

2本目と同じ課題で、言語モデルに計画ではなくコンパイラのソースコードを書かせると結果がどう変わるかを示し、候補表の有望度でも1位に置いたので選んだ。著者は2本目と同じマインツ大学とザールラント大学の4人で、2026年7月27日の投稿である。著者らは、AnthropicのコマンドラインエージェントであるClaude Code上で、Claude Opus 4.7を微調整も検索拡張もなしに使い、1つの会話で仕様書からPythonのコンパイラ全体を生成させた。仕様書は経路の決め方を言語モデルに任せず、人手のコンパイラを基にした完全なアルゴリズムを既定として示している。著者らは、予備実験ではこの指定なしにOpus 4.7が動くコンパイラを作れなかったと明記している。その後の追加の指示で、時間ステップ数、コンパイル時間、メモリ使用量を減らす改良をさせた。直線型、接合部とスタックを持つ分岐型、一般の連結なトラップグラフの順に、前段の最適化済みコードを種にして3つのコンパイラを作った。言語モデルは作るときだけ使われ、できたコンパイラは通常のソフトウェアとして受け入れ試験で検証でき、どの回路でも完全にコンパイルする。評価回路は最大50量子ビットで、2本目の16量子ビットを大きく超える。

直線型では人手のコンパイラより最大76%、分岐型では最大39%少ない時間ステップになり、回路ライブラリでの削減率の中央値はどちらも約1.2倍だった。最大の差は直線型の40〜50量子ビットの量子フーリエ変換で、約4.2倍である。著者らは、優位の主因を、上流で固定されたゲート順に従う人手のコンパイラに対し、生成されたコンパイラは実行可能なゲートの集合から現在のイオン配置に合うものを選ぶ点にあるとしている。言語モデルが独自に加えた工夫は、初期配置とその左右反転の両方を試して短い方を返すことだけだった。一方、分岐型の最小構成では平均1.05倍にとどまり、近似直線は約11量子ビットで人手を下回り、鎖状の量子近似最適化アルゴリズム（QAOA）回路では中央値0.7倍と人手より長くなった。一般トラップ用のコンパイラは、直線型で専用コンパイラの最大6.8倍、分岐型で2.6倍の時間ステップを要したが、10種類のトラップで比べると、接合部の多い密な配置では疎な配置より最大90%少なかった。同じ指示をClaude Fable 5で繰り返すと定性的な結論は再現し、回路ライブラリではOpus 4.7が直線型の82%、分岐型の86%の構成で中央値5〜6%短く、大きな回路の系列ではFable 5が人手を上回る割合が高かった。著者らは開発期間を数か月から数日に縮められると主張する。限界として、ゲート区画は1つに限られ、分離・結合・交換もそこでしか行えず、一般トラップ用のコンパイラはすべての連結グラフで経路を完成できるわけではない。

論文4: ルーブリック報酬の強化学習で言語モデルに制約付き回路を合成させる

出典: RubriQ: Rubric-Guided Group Relative Policy Optimization for Constraint-Aware Quantum Circuit Synthesis. arXiv:2607.07554 (2026).

DeepSeek-R1で広まったGRPOを、検証可能な多次元の報酬とともに量子回路合成へ持ち込み、IBMとIonQの実機での検証まで含めているので選んだ。著者はテキサス工科大学計算機科学科のZiqing Guo氏とZiwen Pan氏の2人で、2026年7月8日の投稿である。著者らは、回路合成を、自然言語の指示からOpenQASMまたはQiskitのコードを書く課題とし、基盤モデルにQwen2.5-Coder-7Bを使って、ランク64のLoRAで学習した。課題は2〜8量子ビットの量子フーリエ変換、3〜7量子ビットの位相推定、2〜6量子ビットのハイゼンベルク模型と横磁場イジング模型の時間発展、2〜6量子ビットのデータ符号化である。報酬は5つの採点項目の重み付き和で、クリフォードゲートの割合、T数に対する指数的な減衰、IBMとIonQの4機種に対するハードウェア適合度、目標ユニタリーとの平均ゲート忠実度、深さに基づく効率からなる。任意角の回転は1個あたり約50個のT相当として数える。忠実度の重みを0.40にしたので、ユニタリーが合わない回路の報酬は最大0.6に抑えられる。1つの指示から8つの候補を生成し、構文解析に失敗した候補は報酬0とし、忠実度の計算はCUDA-Qの状態ベクトル計算でNERSCのPerlmutterのA100上で行った。

3つの公開回路集から合計1500回路で評価し、T数の圧縮率は3つのデータセットで3.30〜3.32倍だった。終端報酬だけのPPOは1.98〜2.11倍、TKETの最適化レベル2は1.61〜1.72倍、Qiskitの最適化レベル3は1.35〜1.42倍である。学習は15エポック対40エポックで収束し、8量子ビットでのGPU時間は9.2時間対24.2時間だった。平均忠実度は0.95を超え、ハードウェア制約の違反率は0.8%で、PPOの4.2%から下がった。実機では、報酬上位の回路をQiskitの最適化レベル3で変換してIBM Heron（156量子ビット）とIonQ Forte（36量子ビット）で実行し、4量子ビットの量子フーリエ変換で、雑音なしの計算との分布のKLダイバージェンスが4機種すべてで0.05を下回った。この論文は誤り耐性回路の生成を掲げるが、報酬が求めるのは平均忠実度0.95超であり、クリフォード＋T回路に必要な厳密な等価性ではない。比較対象のTKETとQiskitは等価性を保つ書き換えで、学習による方法とは制約が異なる。また、忠実度の計算は量子ビット数とともに指数的に重くなり、12量子ビットのGPU時間は見積もりにとどまる。著者ら自身も、基準のT数が140を超える大きな回路では固定した重みで改善が系統的に過小評価されると付録で述べている。

論文5: 量子回路合成で自己回帰生成の誤りが連鎖するドリフト現象

出典: When Close Enough Is Not Enough: Autoregressive Drift in Quantum Circuit Synthesis. arXiv:2607.12780 (2026).

性能の主張ではなく、生成モデルで厳密な回路最適化を行うときの失敗の仕組みを診断した論文で、4本目までの結果を読む基準になり、IEEE量子計算工学国際会議（QCE 2026）向けの論文でもあるので選んだ。著者はAMDのMehdi Saeedi氏、Eddie Richter氏、Paul Hartke氏の3人で、2026年7月14日の投稿である。著者らは、4480万パラメータのエンコーダ・デコーダ型トランスフォーマーに、ゲートの種類と量子ビットを1トークンずつ表す102語彙の構造化トークン化を組み合わせ、回路を等価で低コストな回路へ書き換える課題を学習させた。角度付き回路（2〜6量子ビット）では、トランスフォーマーが構造を出力し、回帰ヘッドの角度推定をネルダー・ミード法で古典的に調整する。クリフォード＋T回路（3〜6量子ビット）では、PyZXで最適化した20万組の回路対で学習し、すべてのゲートが離散的なので後処理による救済はない。

角度付き回路では、ビームサーチと角度の調整で3〜6量子ビットの忠実度の中央値が1.000になった。クリフォード＋T回路では、出力は100%構文的に正しく、T数の平均もPyZXの目標に一致したが、厳密な等価性の割合は目標が9ゲート以下で88%、26ゲート以上ではほぼ0%に落ちた。著者らはこれを自己回帰ドリフトと名付け、最初の数トークンで正解から外れると、左から右への生成がその誤りを最後まで引き継ぐことを示した。故障の主な予測因子は量子ビット数ではなく目標回路の長さだった。貪欲デコードでの完全一致は7%で、温度サンプリングで200候補を作りユニタリーの照合で選ぶと22.5%、学習データを2.5倍の50万組にすると39.5%になったが、500候補でも約40%で頭打ちとなった。同じデータでの追加の微調整、候補の統合、モデルのアンサンブルは20.0〜24.5%で、統計的に基準とほぼ変わらない。1億3360万パラメータへの拡大も貪欲デコードで9.5%にとどまった。データを増やしても、短い回路の94%から26ゲート超の4%未満への落ち込みは残る。一方、PyZXは1回路約6ミリ秒で100%等価な出力を返すので、著者らはこのモデルをPyZXの代替とは位置づけず、14ゲート以下の部分回路で約74%という精度を生かし、照合に失敗したらPyZXへ戻す局所最適化の補助を提案する。6量子ビットのユニタリー照合は約0.1ミリ秒、生成は1候補約0.2秒で、この非対称性が生成して検証する戦略を成り立たせるが、約12量子ビットを超えるとユニタリーの明示計算ができず、この戦略自体が使えなくなる。評価は200標本で、20%前後の値には±6ポイントの信頼区間がある。

まとめ

今日の5本は、生成モデルを量子回路の設計とコンパイルに使うとき、何を生成させ、その正しさをどこで保証するかで分かれた。GQEによるQSCI回路の設計は、生成した回路を古典対角化の変分エネルギーで評価するので、生成が外れてもエネルギーの上界は保たれ、伸びた結合ではHCIより小さい部分空間で化学的精度に達した。イオントラップの2本は同じ課題の対照実験になっており、ゲートごとに計画を生成させる方式は16量子ビットで完了率0.3%と計算時間の壁に当たったが、コンパイラのコードを一度だけ書かせる方式は50量子ビットまで完全にコンパイルし、人手より最大76%短い計画を出した。RubriQは採点項目を細かくすることで強化学習の収束を速めたが、忠実度0.95超という近似の基準にとどまる。AMDの診断は、厳密な離散出力が必要な場面では自己回帰生成の誤りが回路の長さとともに連鎖することを示し、検証器との組み合わせと短い部分回路への限定を現実的な使い方として挙げた。実機での検証は4本目の4量子ビットの例にとどまり、残りは数値計算とベンチマーク回路の評価である。

参考ソース

• 論文1: Generative Circuit Design for Quantum-Selected Configuration Interaction. arXiv:2604.09756
• 論文2: Shuttling Compiler for Trapped-Ion Quantum Computers Based on Fine-Tuned Large Language Models. arXiv:2512.18021
• 論文3: Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures. arXiv:2607.24714
• 論文4: RubriQ: Rubric-Guided Group Relative Policy Optimization for Constraint-Aware Quantum Circuit Synthesis. arXiv:2607.07554
• 論文5: When Close Enough Is Not Enough: Autoregressive Drift in Quantum Circuit Synthesis. arXiv:2607.12780