最適な量子誤り訂正（QEC）コードの探索は、潜在的な代数的定式化の空間が膨大であるため、信じられないほど時間がかかり、計算量の多いボトルネックとなっています。これに対処するため、IBMの研究者たちは、実用可能なQECコードの発見を劇的に加速するオープンソースのLLM誘導型進化的AIフレームワーク、OpenEvolveを導入しました。このフレームワークは、古典的AIと量子コンピューティングの間に強力な双方向の相互作用を確立します。大規模言語モデル（LLM）を活用して、有効なコード候補となり得る代数式に関する情報に基づいた仮説を生成します。
研究チームは、IBMの耐障害性量子コンピューティングロードマップに含まれる量子低密度パリティ検査（qLDPC）コードの一種である二変数バイシクル（BB）コードをターゲットにしてフレームワークをテストしました。
QECコードは[[n, k, d]]という形式で正式に評価されます。ここでnは物理量子ビット、kは論理量子ビット、dは「距離」（誤り耐性）を表します。実際には、これら3つのパラメータを最大化することには厳しいトレードオフが伴います。この進化的キャンペーンは465個の新しい誤り訂正コードの発見に成功し、多様な構造的トレードオフを示しました。以下の表は、発見されたコードのいくつかの例を示しており、それぞれ異なるトレードオフを提供し、状況に応じて有利になる可能性があります。
これらのAI生成コードが実世界の物理アーキテクチャでどのように機能するかを評価するにはさらなる研究が必要ですが、OpenEvolveは膨大な代数的コード空間を探索するための非常に実用的な方法論を確立しました。IBM Researchは、OpenEvolveライブラリをGitHub上で完全にオープンソース化し、グローバルな量子研究コミュニティがより広範な量子誤り訂正の発見のためにこのフレームワークを活用し拡張することを奨励しています。
この研究に関する追加情報は、IBM ResearchのブログおよびarXivに投稿されたプレプリントで確認できます。
2026年6月13日
