エヌビディア（NVIDIA）は2026年10月19日、欧州のエクサスケールスパコン「JUPITER」に搭載された8,192基のGH200 GPUを用い、実機ノイズを反映した104量子ビットの誤り耐性シミュレーションを完了しました。量子技術イノベーション拠点（Q-STAR）加盟企業など、誤り耐性量子計算（FTQC）の実機開発を進める日本の開発現場において、実機試作前のデジタルツイン検証が不可欠な工程になります。
欧米で加速する誤り耐性シミュレーションと実機実証の同時進展
量子コンピューティングの商用化には、量子ビットのノイズによる計算エラーを訂正するFTQCの確立が必須条件です。2026年10月現在、計算基盤を担うスーパーコンピューターと量子プロセッサー実機の双方向から、誤り耐性プロトコルの実証が急速に進んでいます。
欧州高性能計算共同事業（EuroHPC JU）の主導でドイツのユーリヒ・スーパーコンピューティング・センター（Forschungszentrum Jülich JSC）に設置されたJUPITERは、FP64倍精度で1 ExaFLOP/s超の計算能力を備える欧州初のシステムです。エヌビディアはこのJUPITERのGH200 Grace Hopper Superchipを8,192基投入し、現実のノイズ特性を取り込んだ104量子ビットの論理回路動作を検証しました。
| 開発主体 | 発表日 | 対象システム / ハードウェア | 主な技術成果と性能値 |
|---|---|---|---|
| エヌビディア / JSC | 2026年10月19日 | JUPITER（GH200×8,192基） | 実ノイズ環境下での104量子ビットシミュレーション。培養手法で物理ビット要求量約90%減を立証 |
| Google Quantum AI | 2026年10月15日 | Willow（超伝導方式） | マジック状態培養の実機動作を初実証。誤り率を40分の1に低減し論理忠実度99.99%を達成 |
| Quantinuum | 2026年10月19日 | Helios（イオントラップ方式） | カラーコードを適用し論理忠実度99.9995%を達成。2029年の商用FTQC機実用化目標を維持 |
ユーリヒ研究センターは2025年11月、独自開発のシミュレーター「JUQCS-50」とJUPITERの初期構成を用いて、ノイズのない理想環境下における50量子ビットのシミュレーションに成功していました。今回のプロジェクトでは、開発プラットフォーム「CUDA-Q」と「cuQuantum」の組み合わせにより、物理現象としての外乱を含む104量子ビットまで対象規模を拡大しています。
参考記事: オラクルとQuantinuum、クラウド量子コンピューティング提供で複数年契約を締結
マジック状態培養のアルゴリズムとGH200分散検証の技術的要件
量子計算で真の高速化を達成するには、量子もつれを生成するクリフォードゲートに加え、Tゲートなどの非クリフォード演算を実行する必要があります。この演算に必要なリソースが「マジック状態」と呼ばれる特殊な補助状態です。
物理量子ビット需要を約90%削減するコード切り替え
従来のアーキテクチャでは、多数の不完全な量子状態から高純度な状態を抽出する「マジック状態蒸留」を採用していました。この蒸留プロセスは、装置全体の物理量子ビット資源の90%から95%を消費する要因となっていました。
エヌビディアがJUPITER上でモデル化した「マジック状態培養」は、局所的な量子誤り訂正符号の切り替え技術を活用します。これにより、従来の蒸留プロトコルと比較して、マジック状態の準備に必要な物理量子ビット数を約90%削減できる可能性が確認されました。
参考記事: 量子誤り訂正の基礎からFTQC実現へのロードマップ｜最新の実証データと開発戦略まで徹底解説
512TiBのGPUメモリ空間と並列計算パイプライン
今回の計算では、104量子ビットの回路状態を忠実に追跡するため、極めて高度な分散メモリ統合が行われました。
[事前検証フェーズ]
NVIDIA GB200 NVL72（4基〜数百基構成）
・アルゴリズム挙動と計算精度の最適化
・分散パイプラインの事前チューニング
↓ ワークロード移行
[本番大規模検証フェーズ]
JUPITER（GH200×8,192基 / 合計512 TiB GPU RAM）
・45ビットのエンコード状態ベクトル追跡
・約35.2兆個の複素振幅を並列演算
・数週間要する試行を数日で完了
開発初期はエヌビディアの研究拠点内にあるGB200 NVL72システムを用い、小規模構成から検証を開始しました。シミュレーション精度と計算負荷の相関を把握した上でJUPITERへ移行した結果、数週間を要する計算を数日に短縮しています。
この成果はハードウェアの完成を示すものではなく、マジック状態準備以外の周辺構成要素には直接適用されません。それでも、希釈冷凍機の物理的容積や配線数といったハードウェア実装のハードルを大きく下げる指針になります。
参考記事: 【2027年FTQC実用化】Infleqtion『Sqale』とNVIDIA NVQLinkがもたらす量子・GPU密結合の全貌
理研「富岳」連携と国内量子ハードウェア開発への実務的影響
エヌビディアは自社で量子チップを製造せず、シミュレーターと開発環境のデファクトスタンダード化を狙っています。AI開発におけるCUDAと同様に、CUDA-Qを介して世界のハードウェア企業を囲い込む構図です。
理研・産総研における国産量子基盤への影響
理化学研究所のスーパーコンピューター「富岳」や産業技術総合研究所（産総研）のABCI-Qなど、国内でもHPCと量子プロセッサーのハイブリッド連携環境の構築が進んでいます。
富士通や理研が開発を進める超伝導量子コンピューターや、分子科学研究所（IMS）発の中性原子方式において、ハードウェア試作を繰り返す開発手法は投資効率の面で限界を迎えます。JUPITERの実証が示す通り、実機を製造する前に8,000基規模のGPU上で耐ノイズ特性をデジタルツインとして検証するアプローチが標準化します。
希釈冷凍機・高周波配線サプライチェーンの再設計
物理量子ビットの要求量が90%削減された場合、冷凍機内の高周波同軸ケーブルや極低温アンプの所要数も大幅に圧縮されます。日本の部素材メーカー各社は、単なる配線本数の拡充ではなく、低損失・高集積化に対応した特殊コネクタやマイクロ波制御モジュールへの製品シフトが求められます。
一方で、国内におけるHPC電力調達の制約は深刻な課題です。JUPITERが達成した63 GFlops/W超の電力効率水準を国内データセンターで再現できなければ、大規模シミュレーションの計算コストそのものが開発のボトルネックとなります。
技術責任者・投資家が直ちに着手すべき判断
- 設計プロトコルのデジタルツイン移行
自社で開発または利用を想定している量子アルゴリズムについて、CUDA-Q等のシミュレーション基盤を用いたノイズ検証へ移行してください。実機テストの回数を抑え、開発サイクルを月単位から日単位へ圧縮する体制を構築します。
- 制御系・極低温部素材の開発仕様の見直し
マジック状態培養の普及を見越し、必要とされる物理量子ビットの集積密度と制御配線のロードマップを再計算してください。従来の過剰な物理拡張を前提とした投資計画を修正し、高忠実度な局所制御ハードウェアへの配分を強めます。
- クラウド型HPC・量子ハイブリッド基盤の選定
オンプレミスの計算リソースのみに依存せず、欧米のエクサスケール級GPUインフラと連携可能なクラウド接続環境を確保してください。大規模分散GPUメモリを活用できるパイプラインの設計が、今後のFTQC開発速度を決定づけます。
出典: finance.biggo.com
出典: nvidia.com
出典: science.org
出典: quantinuum.com
