arXiv量子コンピュータニュース（2026年10月20日）

キーワード: クラウド超伝導機の表面符号メモリ / 古典検証可能なkickmix回路とAIエージェント / 低分解能DACのデルタシグマ変調CVQKD / エニオン気体のニューラルネットワーク波動関数 / IQP量子カーネルの帯域幅と表現力

オープニング：2026年10月20日 — arxiv量子コンピュータ論文解説

今回の問いは、各手法の利点がどの条件で成り立ち、どこで崩れるかである。対象は2026年10月16日にarXivへ投稿された5本で、パシフィック・ノースウェスト国立研究所（PNNL）などのチームによる、クラウド公開のIBM Nighthawk r2機での回転表面符号メモリの最適化と距離による誤り抑制、Google Quantum AIのGidney氏、Babbush氏らによる、古典的に検証できる回路構造を足場にAIエージェントで誤り耐性回路を最適化する枠組みとKaggleコンペティション、中山大学による、3ビットの低分解能DACでもデルタシグマ変調で連続変数量子鍵配送の鍵レートを取り戻す実験、インペリアル・カレッジ・ロンドンなどによる、ニューラルネットワーク波動関数で最大20個のアーベル・エニオン気体を解く研究、そしてIQP特徴マップ量子カーネルの表現力を帯域幅で3つの領域に分ける理論である。前半の2本は、誤り耐性計算への道のりを、実機の回路スケジュールと論理回路のコンパイルという両端から短くする研究である。後半の3本は、量子鍵配送の送信機、エニオンの多体問題、量子カーネルの設計で、それぞれ「どの条件で利点が出るか」を数値で切り分けている。

論文1: クラウドのIBM Nighthawk機で、表面符号メモリの論理誤りを符号距離で抑える

出典: Demonstration of Logical Error Suppression in a Surface Code Memory on a Cloud-Accessible IBM Superconducting Processor. arXiv:2610.23840（2026年10月16日投稿）。著者はパシフィック・ノースウェスト国立研究所（PNNL）、フォーダム大学、ワシントン大学、NASAエイムズ研究センターのShuwen Kan氏、Chenxu Liu氏、Norm Tubman氏、Ying Mao氏、Samuel Stein氏ら。

表面符号の距離による誤り抑制は、これまで装置を自前で制御できるグループの実験が中心だった。本研究は、IBM社外のチームがクラウド経由で使える正方格子の機種で、どの回路の工夫がどれだけ論理誤りを下げるかを、同じ量子ビット上の対照比較で示し、150ラウンドまでの長時間挙動も追った。従来のheavy-hex配置は重さ4の検査を直接置けず、SWAPを使った埋め込みや別の符号が必要だった。対象のIBM Nighthawk r2（ibm_phoenix）は正方格子の結合と回路途中のリセットを持ち、SWAPなしで回転表面符号を置ける。1ラウンドは4層のCZゲートと補助量子ビットの読み出しからなり、標準の読み出しは約2.39マイクロ秒のラウンドのうち1.94マイクロ秒、つまり約80%を占める。その間、データ量子ビットは待機している。

配置による差は大きい。使える88の距離3配置で、標準回路の5ラウンド後の論理誤り確率はZメモリで3.4〜17.2%、Xメモリで6.0〜39.8%に散らばり、検査の検出確率とのスピアマン相関は0.86と0.89だった。著者らはこの走査から良い配置を選び、回路を3点で最適化した。1つ目は読み出しを1.14マイクロ秒に短くすること、2つ目は測定とリセットを1命令に融合すること、3つ目は読み出し中に待機するデータ量子ビットへX–Xのエコーを入れることである。ラウンド長をそろえて比べても融合リセットが最良で、別個のリセットはZメモリしか改善しなかった。補助量子ビットが |1⟩ にあると隣のデータ量子ビットが残留ZZ結合で位相を得ることを別の実験で測っており、その差は毎マイクロ秒0.079ラジアンだった。別個のリセットは |1⟩ にいる時間を短くする一方で1を読む回数を増やすため、位相誤差の改善が打ち消されると説明している。待機時間の置き場所も効き、1.92マイクロ秒の遅延をラウンドの途中に入れるとZメモリの1ラウンドあたり誤り率は1.24%から3.72%に、ラウンドの間に入れると2.33%になった。ラウンド途中の待機は、補助量子ビットの故障が後続の2量子ビットゲートでデータへ広がるフック型の相関を大きく増やす。

3点を組み合わせた回路は、11種類のパッチ形状すべてで、リセットもエコーもない標準読み出しより1ラウンドあたり論理誤り率を下げ、中央値の減少はZメモリで29%、Xメモリで73%だった。要旨の言い方では、中央値で1.4倍と3.8倍の改善にあたる。Xメモリの改善が大きいのは、位相誤差の抑制が効いたためである。もう一方の距離を3に固定して守る側の距離を3から6に上げると、最尤復号で1ラウンドあたり誤り率はZメモリで0.53%から0.24%、Xメモリで0.52%から0.22%になり、2段の距離増加あたりの抑制係数は1.68と1.85だった。ただし抑制係数は2を下回り、もう一方の距離を5にすると、Xメモリの係数は1.03まで落ちる。150ラウンドまで伸ばすと距離の利点はさらに弱まり、距離6の1ラウンドあたり誤り率は、3〜13ラウンドの窓と61〜101ラウンドの窓の比較で約2.5倍に増え、距離3から6への改善係数はZメモリで約2.4から約1.2、Xメモリで約2.2から約1.2へ下がった。検出確率はほぼすべての検査で時間とともに上がり、これはデータ量子ビットのリーク除去を行わない表面符号メモリの既報と整合する。データ量子ビットを共有する検査の間には長く残る相関が育っており、著者らはリークや環境のドリフトに由来しうる持続的な誤り成分と整合すると述べるにとどめ、原因は特定していない。

論文2: 古典的に検証できる回路構造を足場に、AIエージェントで誤り耐性回路のコンパイルを競う

出典: Leveraging verifiable structure in quantum circuits to find more efficient compilations with agentic AI. arXiv:2610.23832（2026年10月16日投稿）。著者はGoogle Quantum AIのTanuj Khattar氏、Nicholas C. Rubin氏、Craig Gidney氏、Michael Broughton氏、Guang Hao Low氏、Ryan Babbush氏。

10-17回の論文1（arXiv:2610.22367、ハーバード大学のGu氏・Lukin氏とAnthropicのKemeny氏）は、同じkickmix回路の上でLLMに回路を探させ、可逆回路の最良値を更新した。本論文は謝辞で、その研究が原稿の仕上げ中に現れたこと、同じkickmixモデルの上でDQIのリード・ソロモン復号、クーロンポテンシャルの評価、電子状態計算の量子ルックアップテーブルなど同じベンチマークの多くを扱うこと、重なりは大きいが独立に並行して開発したことを明記している。あわせて、3つのベンチマークとも既報の回路を超えて改善できる内部結果があると述べる。したがって本論文の新しさは最適化の結果ではなく、誰が提出した回路でも信用できる検証と採点の約束事にある。具体的には、回路のハッシュで試験入力を決めるFiat–Shamir型の非対話検証、2√εのトレース距離上界、全ショット合格時の信頼限界、DQIスコアの量子ビット重み、そして賞金総額15万ドルのKaggleコンペティションとしての公開である。

前提を短く述べる。一般の量子回路の等価性判定はQMA完全で、古典計算機ではおよそ40量子ビットを超えると扱えないが、誤り耐性アルゴリズムの費用を支配する算術、量子ルックアップテーブル、シンドローム復号器は、計算基底状態を1つの計算基底状態と位相に写すkickmix回路で書けることが多く、1量子ビットあたり1ビットで古典的に実行を追える。

本論文の貢献は3つある。第1に、Qualtranの中にC++20とPythonのkickmixパッケージを公開した。1つのCPUコアで毎秒2×10⁷命令の速さで回路を組み、毎秒6.0×10¹⁰命令で模擬でき、8,600万ゲートの復号量子干渉（DQI）回路を5秒未満で構築し、102,400ショットの検査を150秒で終える。第2に、検証を非対話にした。提出回路のバイト列のSHA-256に秘密の塩を加えた値で疑似乱数を初期化し、試験入力を決める（Fiat–Shamirヒューリスティック）。回路を1バイト変えれば試験入力は総入れ替えになり、決まった試験集合への作り込みや、無意味な命令を足して楽な種を探す行為を防ぐ。各ショットで、出力ビット列、作業量子ビットが0に戻ること、位相が許容内であることを確かめる。失敗率 ε が試験入力の分布で上から抑えられれば、重ね合わせ入力に対しても出力状態のトレース距離は 2√ε 以下になる。全ショットが合格したときの上側信頼限界は次の式で決まる。

$$(1-\varepsilon^{+})^{N}=\delta \quad\Rightarrow\quad \varepsilon^{+}\approx \frac{\ln(1/\delta)}{N}$$

たとえば N=10,240 ショットを失敗なく通れば、入力の1%超で失敗する確率は 2⁻¹²⁸ 未満になる。第3に、3つのベンチマークと参照実装を定めた。慣性閉じ込め核融合に関わるクーロン相互作用の第一量子化シミュレーションで支配的な 1/√x の位相付け（22ビット入力で260量子ビット、Toffoli 7,735個、空間時間スコア2.08×10⁶）、最適多項式交差問題に対するDQIのリード・ソロモン復号（1,893量子ビット、Toffoli 5,730,597個）、第二量子化の化学計算で用いる量子ルックアップテーブルとマヨラナ回転である。DQIのスコアは量子ビットをToffoliより重く数え、量子ビット1%の削減がToffoli 2%の削減に相当する。近似的な復号で失敗率が残る提出は、繰り返し回数の係数で罰せられる。

限界として、古典的な検査が効くのはkickmix部分だけであり、化学ベンチマークの任意の状態準備のような非kickmix部分は解析的な費用式で値付けしている。保証が成り立つのは、検証器が実際のアルゴリズムで使われる入力分布から試験入力を引ける場合に限られる。また評価は論理量子ビット数とToffoli数という粗い代理指標で、特定の誤り訂正アーキテクチャ上の物理量子ビットや実行時間ではない。著者らは今後の方向として、目標アーキテクチャの誤り訂正コストで採点することと、問題サイズ全体に通用する機械検査可能な正しさの証明を挙げている。

論文3: デルタシグマ変調で、3ビットの低分解能DACでも連続変数QKDの鍵を取り戻す

出典: Delta-sigma noise shaping for low-resolution quantization in Gaussian-modulated continuous-variable quantum key distribution. arXiv:2610.23654（2026年10月16日投稿）。著者は中山大学 電子与信息工程学院のWenjun Fan氏、Zhenlin Zhao氏、Dawei Wang氏。

連続変数量子鍵配送（CVQKD）は、高速DACやIQ変調器など古典コヒーレント通信の部品を使えることが強みだが、送信機のDAC分解能が実装コストと消費電力を左右する。本研究は、量子化雑音を単なる過剰雑音として予算に積むのではなく、その周波数分布を設計で動かすという転換を、20キロメートルのファイバー実験で示した。粗い量子化は非線形な振幅写像なので、データと相関した高調波や相互変調の複製を作る。それが盗聴者の触れる光モードに漏れれば、帯域内の過剰雑音の分散だけでは安全性を評価できない。DACのゼロ次ホールドの側波帯とは異なり、量子化が作る複製は第1ナイキスト帯の中に落ちうる、と著者らは指摘する。

手法は、オーバーサンプリングと低次のフィードバックで量子化雑音を信号帯域から高周波へ追いやるデルタシグマ変調（DSM）である。L次の積分器縦続構成の雑音伝達関数は次の形になる。

$$\mathrm{NTF}_L(z)=\left(1-z^{-1}\right)^{L}$$

すべての次数が同じ周波数で0デシベルを横切るので、次数を上げても抑圧できる帯域は広がらず、その外側ではかえって雑音を増幅する。そこで著者らは、雑音伝達関数、送信のルートレイズドコサイン整形、受信の整合フィルタを合わせた帯域内の信号対量子化雑音比のモデルを導き、サンプリングレートと信号の中心周波数の設計指針にした。実験は500メガボー、ガウス変調、ローカル局部発振器方式のCVQKDで、20キロメートルの標準単一モードファイバーを通した。オーバーサンプリング比12で、3ビットの一様量子化は過剰雑音0.86 SNUで正の鍵レートが出ないのに対し、3ビットの2次DSMは過剰雑音を0.028 SNUまで下げ、漸近的な秘密鍵レート46.38メガビット毎秒を得た。4ビットの2次DSMでは50.11メガビット毎秒で、12ビットの波形発生器による基準51.66メガビット毎秒の約97%に達する。

もう1つの結果は安全性の境界である。パイロットトーンと量子信号の3次相互変調から、位相共役の複製が生じることを特定し、線形な複製を盗聴者が得るモデルで鍵レートの損失を評価した。3ビット、オーバーサンプリング比24では、1次DSMが実験で見積もった漏洩モードの強度を約4桁下げた。比較条件として、鍵レートは有限長効果を含まない漸近評価である。オーバーサンプリング比は12〜24で、分解能を下げる代わりにシンボルレートの十数倍以上の変換速度を要する。複製による損失の評価も、線形な複製を仮定したモデルに基づく。

論文4: ニューラルネットワーク波動関数AnyNetで、20個までのアーベル・エニオン気体を解く

出典: Anyonic Neural Network Wavefunctions. arXiv:2610.23815（2026年10月16日投稿）。著者はインペリアル・カレッジ・ロンドン、プリンストン大学、シカゴ大学、マサチューセッツ工科大学（MIT）に所属するAndres Perez Fadon氏、Pok Man Tam氏、Leyna Shackleton氏。

相互作用のないアーベル・エニオン気体が巨視的にどうふるまうかは数十年来決着しておらず、連続空間の厳密対角化は N=4 程度に限られていた。著者らは、分子や電子気体で成果を上げてきたニューラルネットワーク変分モンテカルロを、基本的なエニオン系に初めて適用したと述べる。分数量子異常ホール効果の発見で、磁場なしで分散を持つエニオンの多体物理に関心が集まっていることも背景にある。2次元のアーベル・エニオンは、粒子の反時計回りの交換で波動関数に位相が付く。

$$\psi_A(\ldots,\mathbf{r}_j,\mathbf{r}_i,\ldots)=e^{i\pi\alpha}\,\psi_A(\ldots,\mathbf{r}_i,\mathbf{r}_j,\ldots),\qquad 0\le\alpha\le1$$

α=0がボソン、α=1がフェルミオンにあたる。著者らは特異ゲージ変換で、多価の波動関数を、統計ゲージ場と長距離で結合したフェルミオンの1価の波動関数に置き換える。ところが統計ゲージ相互作用は短距離で特異で、通常のフェルミオン用のFermiNetをそのまま使うとうまくいかず、2体のジャストロー因子で非解析的なふるまいを課すだけでも足りないことを示した。そこで、粒子が近づいたときのαに応じた非解析的なふるまいを、修正したニューラル・スレーター行列式の中に厳密に組み込んだ「AnyNet」を作り、ボソンに近い領域ではDeep Set型の構造と組み合わせた。

調和トラップ中の4個では、完全基底へ外挿した厳密対角化とのエネルギー差が10⁻⁶エネルギー単位の桁に収まった。中間的な統計では16個まで、フェルミオンに近いエニオンでは20個まで計算し、後者は著者らが導いた摂動計算と0.4%以内で一致した。αを変えたときの準位交差と角運動量の跳び、1粒子密度とペア密度、複数のエニオンが一点に集まるときの波動関数のスケーリングを調べ、最後のものは非相対論的共形場理論の予測と比べた。クーロン型のトラップに束縛した「エニオン原子」で、相互作用がある場合にも手法が働くことも示している。限界として、扱えた大きさは20個程度で、有限密度のエニオン気体が超流動になるかという元の問いに直接答えたわけではない。厳密な基準と照合できたのも、4個の厳密対角化とフェルミオン極限近くの摂動領域に限られる。

論文5: IQP特徴マップ量子カーネルの表現力を、再生核ヒルベルト空間のフーリエ表示で3領域に分ける

出典: Expressivity of IQP Feature-Map Quantum Kernels via Reproducing Kernel Hilbert Spaces. arXiv:2610.23692（2026年10月16日投稿）。著者はValeria Repetto氏、Stefano Melchionna氏、Romina D'Aurizio氏。

量子カーネルの学習のふるまいは、そのカーネルが表す関数クラス、すなわち再生核ヒルベルト空間（RKHS）で決まるが、特徴マップとハイパーパラメータの選択がその関数クラスをどう変えるかは理論的に整理されていなかった。本研究は、広く使われるIQP特徴マップについてこの関係を明示的な式で与え、帯域幅の選び方という実務上の問いに基準を出した。

著者らは、IQP特徴マップに対応するRKHSの生成元を、入力変数の多項式変換に作用する三角関数の有限和として書き下した。現れる周波数の集合は回路の構成で決まる有限集合で、その大きさを帯域幅のハイパーパラメータが一様に伸縮させる。この表示から、帯域幅によって表現力が質的に異なる3つの領域、すなわち局在的、多峰的、周期的な領域が現れる。帯域幅が小さいと生成元は局在してガウスカーネルに近く、中間では入力空間で離れた点どうしを似ていると見なす多峰的な形になり、大きいと周期性が支配的になって、特徴マップが作る周波数と合う周期的な目標を分解できる。数値実験では、周期構造と多峰構造を制御した合成データセットで、データの次元と特徴マップの設定を変え、教師ありの分類と教師なしの異常検知の両方で3つの領域を再現し、古典のガウスカーネルと比べた。周期データの分類では、最良の設定（2量子ビット、3回反復、線形もつれ）で、帯域幅 b をデータの振動数 ω に合わせたときのF1スコアが0.75〜0.84、合わないときは0.46〜0.72だった。ガウスカーネルは低い振動数（ω=1, 2）で量子カーネルより良いが、ω とともに単調に下がり、D=2, 4では ω≥4 で量子カーネルの平均を下回る。多峰データの分類では、次元4以上または中心2個のとき、中間の帯域幅 b=1 で量子カーネルのF1スコアが1近くに達したが、標準設定のガウスカーネルも最良の量子カーネルと同程度で、両者の性能の幅は大きく重なった。結論は、表現力が実際の利点になるのは、回路が作れる周波数がデータの構造と合う場合に限られる、というものである。データの周期構造や多峰構造が事前に分かっていれば、それが帯域幅を選ぶ基準になる。評価は周期構造と多峰構造を制御した合成データに限られ、構造が事前に分からない実データでの帯域幅の選び方は残されている。

まとめ

前半の2本は、誤り耐性計算への距離を両端から測った。PNNLなどのチームは、IBM Nighthawk r2で短い読み出し、融合リセット、データのエコーを組み合わせ、1ラウンドあたり論理誤り率を中央値でXメモリ73%、Zメモリ29%下げ、距離3から6で約半分にしたが、150ラウンドでは持続的な相関が育ち、距離の利点は約1.2倍まで縮んだ。Google Quantum AIは、10-17回のGu氏らと並行して、可逆古典論理と位相と測定による逆計算に限ったkickmix回路なら古典的に高速検証できることを使い、試験入力を回路のハッシュで決める非対話検証と、核融合・DQI・化学の3ベンチマークをKaggleに開いた。後半の3本は、利点が出る条件を数値で切り分けた。中山大学のチームは、2次デルタシグマ変調で3ビットのDACから46.38メガビット毎秒の漸近鍵レートを取り戻し、4ビットで12ビット基準の97%に達した。Perez Fadon氏らのAnyNetは、短距離の非解析性を行列式に組み込んで、エニオンを20個まで扱い、摂動計算と0.4%以内で一致した。Repetto氏らは、IQP量子カーネルの周波数がデータの構造と合うときにだけ表現力が利点になることを、帯域幅の3領域として示した。5本とも利点は条件付きで、その条件をラウンド数、検証できる回路の範囲、変換速度、粒子数、周波数の一致として数値で示している。

参考ソース

• 論文1: Demonstration of Logical Error Suppression in a Surface Code Memory on a Cloud-Accessible IBM Superconducting Processor. arXiv:2610.23840
• 論文2: Leveraging verifiable structure in quantum circuits to find more efficient compilations with agentic AI. arXiv:2610.23832
• 論文3: Delta-sigma noise shaping for low-resolution quantization in Gaussian-modulated continuous-variable quantum key distribution. arXiv:2610.23654
• 論文4: Anyonic Neural Network Wavefunctions. arXiv:2610.23815
• 論文5: Expressivity of IQP Feature-Map Quantum Kernels via Reproducing Kernel Hilbert Spaces. arXiv:2610.23692