誤り訂正は「多数の物理量子ビットで守る」強力な手法ですが、実現にはまだ時間がかかります。そこで今の実機で使われているのが 誤り緩和(error mitigation)。訂正の完成を待たず、ノイズの影響を"薄める"現実的なアプローチです。
量子ビットは、とにかく弱い
量子ビットは周囲のわずかな熱や振動、電磁ノイズで、あっという間に重ね合わせが壊れます。この「状態を保てる時間」をコヒーレンス時間と呼び、方式にもよりますが非常に短いのが現実です。
計算の途中で答えが壊れてしまう——これが量子コンピュータの根本的な難しさです。
誤り訂正:多数で1つを守る
そこで生まれた発想が「弱い量子ビットをたくさん束ねて、1個の頑丈な量子ビットを作る」ことです。
← 図は横にスクロールできます →
束ねて作った頑丈な1個を論理量子ビット、素材となる個々の弱い量子ビットを物理量子ビットと呼びます。
どれくらい束ねるの?
方式や目標精度にもよりますが、1個の論理量子ビットを作るのに数十〜1000個規模の物理量子ビットが必要とされます。「1万物理ビットで数個の論理ビット」という世界。だから各社が量子ビット数を競っているのです。
誤り訂正の2026年の到達点
Googleは105量子ビットのプロセッサで、論理量子ビットが個々の物理量子ビットより長く情報を保てることを実証し、誤り率を大きく下げました。「束ねると本当に強くなる」ことが確かめられた、重要な一歩です。
IBMも2028年までに大規模な誤り訂正量子コンピュータの実現を目指すと表明しています。
NISQ と FTQC
量子コンピュータの発展段階には名前が付いています。
← 図は横にスクロールできます →
- NISQ(ニスク) — いま。誤り訂正が未完成で、ノイズが多く小規模。それでも工夫して一部で使う段階
- FTQC — 目標。誤り耐性を持ち、安定して大規模計算ができる「本命」の姿
2026年はNISQのまっただ中で、2028〜2030年にかけて過渡期に入り、特定用途で実用機が動き始めると予想されています。
訂正と緩和の違い
誤り訂正
- エラーそのものを直す
- 多数の物理量子ビットが必要
- 将来のFTQCの本命
- まだ実用は先
誤り緩和
- 結果の統計的な補正
- 追加の量子ビットは不要
- 今すぐ使える
- 根本解決ではない
誤り訂正が「計算の途中でエラーを直す」のに対し、誤り緩和は 「ノイズありの結果を後から補正して、ノイズなしの値を推定する」 発想です。
代表的な手法
ゼロノイズ外挿(ZNE) — わざとノイズを増やした結果を複数取り、「ノイズ0のときの値」を外挿で推定します。ノイズ量と結果の関係から逆算するイメージ。
確率的エラーキャンセル(PEC) — ノイズの逆操作を確率的に混ぜて打ち消す手法。精度は高いが計算コストが大きい。
測定エラーの補正 — 測定器のクセ(0を1と読む等)を事前に較正して差し引く、手軽で効果的な方法。
追加の量子ビットが要らない
誤り訂正は物理量子ビットを大量に消費しますが、誤り緩和は同じ回路を条件を変えて何度も実行し、結果を統計処理するだけ。量子ビットを増やせない今の実機と相性がいいのが利点です。
限界も知っておく
万能ではない
誤り緩和は「実行回数を増やして精度を買う」手法なので、回路が大きくなるほど必要なショット数が爆発します。根本的にノイズを消すわけではないため、大規模計算には限界がある。あくまでNISQ期をしのぐ橋渡しで、最終的には誤り訂正が必要です。
まとめ
- 誤り緩和=ノイズありの結果を統計的に補正してノイズなしを推定
- 誤り訂正と違い追加の量子ビットが不要で、今すぐ使える
- ゼロノイズ外挿・確率的エラーキャンセル・測定補正などが代表手法
- 実行回数で精度を買うため大規模化に限界。訂正への橋渡し
📚 もう少し詳しく(背景)気になる人向け・タップで開く
完全な誤り訂正にはまだ膨大な量子ビットが要るため、それが実現するまでの"つなぎ"として使われるのが誤り緩和(エラーミティゲーション)です。両者は目的が似て非なるもので、訂正が「計算中にエラーを直す」のに対し、緩和はエラーを直さず、結果を統計的に補正して"真の値"を推定するアプローチです1。
代表的な手法に、わざとノイズを増やした結果を複数取り、ノイズ0の点へ外挿する「ゼロノイズ外挿」などがあります。長所は追加の量子ビットが要らず、いまのノイズありデバイス(NISQ)でそのまま使えること。短所は、精度を上げるほど測定回数が増えて計算コストが跳ね上がるため、大規模化には限界があることです2。
だから緩和は万能薬ではなく、本命の誤り訂正が来るまでの現実解、という位置づけです。
次の一歩
根本解決の誤り訂正入門、実機のノイズを再現するノイズとトランスパイル、発展段階は実用化はいつ?へどうぞ。
