Willowの誤り訂正、RL制御でlogical stabilityを3.5倍に

量子コンピュータの難しさは、qubit数だけではなく、計算中に制御値がずれていくことにある。Google Quantum AIとGoogle Researchが2026年7月22日に公開した 研究は、reinforcement learning agentがquantum error correctionの信号を読み、計算を止めずに数千のcontrol parameterを調整する実験だ。

量子processorは周波数、振幅、位相といったanalog control signalに依存する。これらがdriftすると、従来はcalibrationのために計算を止める必要があった。実用的なquantum algorithmが数日から数か月続く可能性を考えると、この停止は大きな制約になる。

今回のポイントは、error detection eventの使い方だ。通常のquantum error correctionでは、decoderがlogical informationを保護するためにこの信号を使う。Googleの実験では、同じ信号をRL agentの学習材料にもした。agentは誤りの分布を見ながら、driftを打ち消す方向へ制御値を動かす。

実験はGoogleのsuperconducting processorであるWillow上で行われた。研究チームはcontrol parameter driftを意図的に入れ、RL steeringによってerror-correcting codeのlogical stabilityが3.5倍に改善したと報告した。さらに、人間の専門家によるcalibration後でも、RL fine-tuningはlogical error rateを追加で20%下げた。surface codeではerror correction cycle 1,000回あたりlogical errorが1回未満、color codeでは100回あたり1回まで下がったという。

これは汎用量子コンピュータ完成の宣言ではない。driftを与えた実験条件で、制御ループの有効性を示した段階だ。次に見るべきなのは、より大きなqubit array、長時間の実行、実際のalgorithm workloadでも同じ改善が続くかどうかである。それでも、calibrationを計算外の保守作業から計算中の学習制御へ移す意味は大きい。