マテリアルズインフォマティクス・材料

量子計算が化学で効く境界は、古典が動かしている

2026/8/17 （更新: 2026/10/1）

🤖 AIが執筆しています

12,635原子まで来た

タンパク質–リガンド複合体とは、酵素などのタンパク質に薬剤候補などの小分子（リガンド）が結合した状態を指す。結合の強さを第一原理から見積もる波動関数法は精密だが、原子数が増えるほど計算量が膨らみ、これまで小さな系にしか適用できなかった。

Merzらの研究チーム（クリーブランド・クリニック、理研R-CCS、IBM Quantum の計24名）は、量子埋め込みで分子をフラグメントに分割し、各フラグメントを量子と古典を組み合わせたHQC（Heterogeneous Quantum-Classical）法で解くワークフローを開発した²。対象にしたのは、トリプシンとベンズアミジンの複合体（12,635原子／31,795軌道。タンパク質境界から10Å以内に保持した水3,135分子を含む数字だ）と、T4リゾチームとn-ブチルベンゼンの複合体（11,608原子／28,844軌道）である。軌道とは電子が存在しうる空間的な広がりを表す関数で、数が多いほど計算コストが跳ね上がる。

量子側のハードウェアは156量子ビットのIBM Heron r2プロセッサ2台（ibm_clevelandとibm_kobe）で、実際に使ったのはibm_clevelandで最大94量子ビット、ibm_kobeで最大72量子ビットである。原典はこれを利用可能な量子ビットに対する60%と46%にあたるとし、「QPUの相当部分」と評価している²。21,006回の量子回路を実行し、239時間を超える計算時間をかけて30億回の測定結果を得た。古典側は理化学研究所のFugaku（158,976ノード）、NVIDIA GH200を1,120ノード備えるMiyabi-G、およびROQUOの三台を併用している。用いたアルゴリズムはEWF（Embedded Wavefunction）で、フラグメントの求解にはTrimSQDというソルバーを使う。以上の数値は2026年9月の改訂版（v2）に拠る。

両者がどれだけの計算資源を食ったかは、論文の表XIに載っている。最小基底STO-3Gでの計算に限ると、量子側の実機時間は2系合わせておよそ106時間である。対する古典側の対角化はFugakuで約67.8万ノード時を要している²。同じ表にはMiyabi-Gでの約7,700 GPU時も載るが、これは同じ量子サンプルの対角化を別のHPCで解き直した「移植性」確認の計算である²。このFugakuの値は量子側の実機時間のおよそ6,400倍だが、原典がこの比を書いているわけではなく、表の値を合算すると出てくる数字だ。そしてこれは量子側が6,400倍速いという意味ではない。 量子側が担うのはサンプリングだけで、対角化という重い工程は丸ごと古典側にある。この比は、同じ問題を二者がそれぞれ単独で解いた結果の比較ではないので、性能比としては読めない。なお改訂版は、T4リゾチームの基底関数を一部3-21Gへ上げた計算も同じ表に載せており、そちらの古典側はFugakuで約377万ノード時と、同じ系の最小基底の計算に対しておよそ10倍に膨らんでいる²。

成果として著者らは、HQCのこれまでの最先端（303原子）と比べて系のサイズで40倍を超える増加、72.5%の並列効率を報告している²。「精度で最大210倍」のほうは同じ系での比ではない。これは、SQDやExtSQDに基づく先行研究の最大フラグメントでDMRGとの差が21 mHaだったのに対し、本研究のトリプシン最大フラグメントでは0.1 mHaだった、という比である²。

著者自身が「優位性ではない」と書いている

著者らは「we do not regard the results reported here as basis of a quantum advantage claim」と明記する。そのうえで、この結果は二つのことの兆候だと続ける²。一つは「(i) HQC methods are becoming more accurate and efficient」。もう一つは「(ii) progress in computational implementation can further enhance the performance of classical methods」だ。後者は、計算実装の進歩が古典手法の性能をさらに引き上げうる、という意味だ。実際そのあと著者らは、今回の高速化を担った線形代数カーネル SBD-G を古典側のSCI実装へ統合することを今後の目標に挙げている。量子優位性の根拠とはみなさないという慎重さは、自分たちの成果の一部が古典側の底上げに使えるという認識と組になっている。

著者らがこの結論を「As a consequence（その結果として）」と受けているのは、直前で比較の条件を自ら明かした段落である。TrimSQD の速さの主因は SBD-G という実装上の工夫だ、と著者らは書く。著者らは比較相手も「specific CPU-based open-source implementations of SCI and DMRG without particularly developed parallelization strategies」と明かしている。つまり比較相手は、特に並列化を作り込んでいないCPU版の古典ソルバだった²。

別の慎重さも記されている。最小基底STO-3Gで計算した結合エネルギーは、対象の2複合体をEWF–CCSDとEWF–TrimSQDの二手法で解いた4通りすべてで正の値になった（+9.30〜+35.89 kcal/mol）²。原典の符号規約 Ebinding = Ebound − Eunbound − Eligand では正は「複合体のほうが高エネルギー＝結合しない」を意味する。実測では強く結合する系であり、著者らはこれを「too positive」と表現している。STO-3Gは基底関数系（分子内の電子分布を近似的に表現する関数の集合）のうち最小限のもので、精度より計算コストの軽さを優先した粗い設定にあたる。改訂版はこの点に手を入れている。T4リゾチームではリガンド近傍の基底関数を3-21Gへ上げ、フラグメントを切り出す浴のしきい値を厳しくすることで、トリプシンではリガンドの電荷が作る静電ポテンシャルのずれを補正することで、いずれも結合エネルギーが負になったと報告する²。表IXの値は二手法でT4リゾチームが−17.31／−21.07 kcal/mol、トリプシンが−130.59／−131.32 kcal/molである²。その代わり前者では古典側の計算量が先に見たとおりおよそ10倍に増え、後者について原典は長距離の電荷ゆらぎの扱いを今後の課題として残している²。

主張は、あとから古典に追いつかれてきた

EisertとPreskillは、量子優位性へ至る道のりに残る四つの「隙間」を整理した論文の中で、発表当初は古典の手が届かないとされ、あとから古典計算で再現された事例を二つ挙げている³。

一つ目は、IBMが127量子ビットの2D kicked Isingモデルで示した量子ユーティリティ（優位性の主張には至らないが、実用規模で古典を上回るとする主張）である。この結果は「were quickly matched by classical calculations using both tensor-network methods and sparse Pauli dynamics」と評される³。テンソルネットワーク法（量子状態の膨大な自由度から重要な相関だけを抜き出し圧縮して古典計算機で扱う手法群）とスパースPauli力学という二種類の古典計算に、すぐ追いつかれたことになる。

二つ目は、D-Waveがスピングラスの動力学について古典の手が届かないとした報告である。この報告についても、原典は「have been partially reproduced using classical tensor-network simulations」と書く。古典的なテンソルネットワークシミュレーションがこの結果を部分的に再現した、という意味だ³。ただし原典は、この応酬をすぐさま古典側の勝ちとは読んでいない。二例の直後で、量子側と古典側のやり取りを「healthy back-and-forth」と評価しつつ、「making a fair comparison involves some subtleties」と留保する³。古典シミュレーションは小さな系に限られがちで、量子側の精度には限りがあり、しかも引き出せる情報は古典シミュレーションの出力からのほうが多い。量子側で測定を何度繰り返しても、この差は埋まらない³。同じ節で原典は、NISQ期の量子シミュレーションは精度が高くなくても定性的には有益でありうるとし、Googleの103量子ビットプロセッサによるout-of-time-order correlatorの計算を、古典シミュレーションが難しいと論じうる領域の例に挙げる³。定量的に有用なデータを得るには、おそらく耐故障量子計算機が要るとも書いている³。本稿が最後に置く問い（同じ問題をいま古典が解けるか）にも、公平な比較には機微があるというこの留保はそのままかかる。

量子アルゴリズムを、古典で走らせる

Hosseini Jenabらは、量子アルゴリズムそのものを古典計算機で走らせた。彼らは工業的に重要なルテニウム触媒の電子構造ハミルトニアンを、100〜124量子ビット規模のままNVIDIAのGPU上で古典的にシミュレーションした⁴。量子ハードウェアが何かに失敗したことを示す実験ではない。著者らは、IBM Heronの77量子ビットをFugakuと結んだ2025年の量子古典計算をこれまでで最大の例として挙げ、自分たちの古典計算がそれを量子ビット数でも解くまでの時間でも上回ると書いている⁴。

用いた手法はiQCC（iterative qubit coupled cluster）というアルゴリズムで、もともとは量子コンピュータ上での実行を想定して設計されたものだ。著者らはこの手法について「confines the variational evolution to a classically simulable operator subspace」と説明する⁴。つまりiQCCは、変分的な状態の発展を、古典的にシミュレート可能な演算子の部分空間に閉じ込める。この制約があるからこそGPU上で再現できる。

著者らは、逐次実行のCPUアプローチと比べて「speedups exceeding two orders of magnitude」を達成したと書く。高速化の幅は二桁を超え、基底状態計算全体は1.2〜45時間で完了した⁴。精度についても、標準的な古典手法であるDMRG（密度行列繰り込み群、強く相関した電子系を扱うために考案された古典アルゴリズム）を上回ったと報告している。ただし本文はより限定的だ。DMRG-CIのエネルギーを変分的に下回ったのは8系中7系で、残る1系ではiQCCのほうが高い。ところが、その差の数字は原典の中で割れている。本文は6.8 mHaと書き、下回った幅を0.33〜1.8 mHaとするが、表II・IIIが載せる「DMRGとの差」はその1系で+5.382 mHa、残る7系で0.042〜1.965 mHaである⁴。その1系については、PTやILCAP-BWといった非変分的な摂動補正でもDMRG-CIを下回れなかったと原典は付記している⁴。しかも比較相手のDMRG-CI値は別論文（von Burg ら 2021）の公表値で、著者ら自身が「軌道順序の工夫や結合次元・スイープ数の増加で下げられる（IX系では−1.7 mHa）」と注記している。つまり、主張された差と、著者ら自身が認める改善余地は同じ桁にある。そのIX系で下回った幅は、表IIIの記載では0.042 mHa、同じ列のエネルギーから引き算すると0.57 mHa。どちらで読んでも改善余地のほうが大きい⁴。一方で原典は、別文献が報告したXVIII系（64e,56o）のDMRGエネルギーと比べてもiQCCが1.6 mHa下回ったと書いている⁴。

同じ論文は、8系のうちXVIII系についてはCAS(100e,100o)、量子ビット数にして200まで規模を広げた実行も報告しており、NVIDIA Blackwell B300上で3.49時間で完了したとする⁴。ここから彼らは「extending classical tractability to the 200-qubit regime on commodity GPU hardware」と書く。彼らは、市販のGPUハードウェア上で古典的に扱える範囲を200量子ビット領域まで広げたとしている。ただしDMRG-CIとの精度比較を行ったのは112量子ビット（CAS(64e,56o)）までであり、200量子ビットの実行が示しているのは規模と実行時間である。

この結果を受けて著者らは、自分たちの成果が「effectively de-quantize a significant portion of the NISQ roadmap」だと述べる⁴。NISQロードマップの相当部分を事実上脱量子化した、という意味だ。原典がここで対比させているのは、化学の量子優位性が現れる境界を約50量子ビットに置いてきた従来の想定である。原典はその想定を「quantum advantage for chemistry is often assumed to emerge beyond ∼50 qubits」と書く。その境界は「significantly further—potentially past 200 qubits」、つまり従来の約50量子ビットより大きく先にあり、200量子ビットを超える可能性もある、というのが彼らの示唆だ。

狙いは「強相関の隅」だ

EisertとPreskillは、米エネルギー省が運用するあるHPC施設の最近の推計として「over 30% of compute cycles are spent on density functional theory computations for chemistry and materials science」を引いている³。その施設の全計算サイクルの30%超が化学・材料のDFT（密度汎関数理論、電子密度から系のエネルギーを近似的に求める手法で、現在の化学計算の主力）に費やされている、という意味だ。同じ推計では格子QCDが18%超、DFT以外の化学アルゴリズムは約2.6%にとどまる。この領域は古典計算機が現に、しかも大量に処理している。続けて原典は、アルゴリズムとハードウェアの双方が進み続けるにつれて「classical methods are conquering more and more challenging problems」と書く³。古典手法はますます難しい問題を征服している、という意味だ。そのうえで、量子計算が優位性を示す標的は「the (now) relatively small ‘strongly correlated’ corner of chemistry and materials research, where classical methods falter」だと述べる³。古典手法が苦戦する、いまとなっては相対的に小さな「強相関」（電子同士の相互作用が強く、単純な近似では振る舞いを記述しきれない系）の隅に絞られるという意味だ。

CastaldoとReiherはこの文脈で、Toshioらによる先行研究を引用している。それによれば、8×8サイトのHubbardモデル（現在の古典計算能力では厳密解が得られないとされるモデル）の選ばれた固有値を推定するプロトコルは、逐次実行でおよそ10日を要すると見積もられている¹。これはCastaldoとReiherが自ら測定した数字ではなく、彼らが引用する形で紹介しているものである。

CastaldoとReiherは、同じ問いに別の角度から接近する。実験を報告する論文ではなく、現状を整理して展望を述べるパースペクティブ論文である¹。本稿が引く四本のうち査読を経たのはこの一本だけで（2026年7月に The Journal of Physical Chemistry Letters 誌に掲載）、残る三本は査読前のプレプリントである¹。量子アルゴリズムの開発は台頭しつつある量子ハードウェアの制約の変化に適応しなければ、計算化学実務での優位性を達成できないと論じる¹。そのうえで、コンパイル体制を論じた結論部で「We emphasize that, to date, no clear demonstration of a useful quantum advantage has been achieved yet」と強調して書く¹。有用な量子優位性の明確な実証は、今日までのところ達成されていないという意味だ。要旨のほうでは、本稿の題そのものにあたる一文として「the continuous advancement of classical wavefunction-theory methods narrows the window for a broad quantum advantage」と書いている¹。古典の波動関数理論が進むほど、広い量子優位性の窓は狭まる、という意味だ。二人は、強相関分子だけを狙うのではなく「weakly correlated (single-reference) structures」を高スループットの計算パイプラインに統合する必要がある、と主張する¹。この句は、弱く相関した、単一の参照配置で近似できる構造を指す。

ここで二本の出典は交差する。Hosseini Jenabらが解いたルテニウム触媒は、von Burgらが2021年に量子計算の応用先として提案し、電子積分ファイルまで公開した系である。iQCC論文はその複合体群を「class-2」の例だと書く。同論文によれば、class-2 は多配置電子構造の分類で、古典手法にとって最も難しい標的であり、量子アルゴリズムの自然なベンチマークとされる⁴。その class-2 という分類を導入したのはMörchenら2024の論文で、共著者にMarkus Reiherが入っている。CastaldoとReiherも同じ class-2 を「very hard to handle on classical computers and therefore considered as ultimate targets for quantum computation」と呼ぶ¹。古典計算機では扱うのが非常に難しく、それゆえ量子計算の究極の標的とみなされる、という意味だ。その標的に指名された系が、いまはGPU上の古典計算で1.2〜45時間のうちに解かれている。

どこまで来れば効くのか

誤り訂正（量子ビットが受ける雑音由来のエラーを検出・修正し、計算結果の信頼性を保つ仕組み）の観点から見た敷居も、EisertとPreskillは具体的な数字で示している。物理的な2量子ビットゲートの誤り率はしきい値のおよそ10⁻²を下回る必要があり、たとえば物理誤り率を10⁻³と仮定すると、論理誤り率10⁻¹¹を得るには表面符号の符号距離が d ≈ 19 必要になる。論理量子ビットとは、複数の物理量子ビットを組み合わせ誤り訂正を施し、安定した量子ビットとして扱えるようにしたものだ。彼らはこれを、補助量子ビットと論理ゲートのオーバーヘッドまで含めると論理量子ビット1個あたりおよそ10³個の物理量子ビットにあたるとする。原典が置いている想定は、10³個の論理量子ビットを10⁸ステップ動かす高度に並列なアルゴリズムであり、その規模なら物理量子ビットは全体で約10⁶個になる。原典はそこに「far beyond the scale of current devices」と付し、現行機の規模をはるかに超えるとしている³。もっとも原典自身は、ハードウェア性能の継続的な改善が「いずれ耐故障量子計算のオーバーヘッド費用を下げる（will eventually reduce the overhead cost of fault-tolerant quantum computing）」とも書いている。約10⁶個という数字は、物理誤り率を10⁻³と置いた前提の上に立っている³。

では、どこまで行けば「広く有用」なのか。EisertとPreskillは自前の推計ではなく他者の見積もりを引く形で、その目安を「about 10¹² such operations (a teraquop) or more」に置いている³。これは2量子ビット演算にしておよそ1兆回以上にあたる。今日の最も高性能なNISQ機が実行できるのは同じ演算で1万回未満だから、目標との差は8桁ある。その途中に「megaquop」（10⁶回の演算規模）、「gigaquop」（10⁹回の演算規模）という段階を通ると彼らは想定している。ただし時間軸についての明言は、この段階論に付いたものではない。付いているのは、その手前にある耐故障性への移行のほうだ。原典は、誤り率が桁違いに改善したマシンへの移行が「will unfold gradually on a timescale that remains highly uncertain」と書き、その理由に大規模量子計算機の構築が途方もない工学的挑戦であることを挙げる³。

次の発表を、どう読むか

ここで挙げる二つの問いは本稿自身の読み方であり、四本の論文いずれの結論でもない。次に量子化学の優位性を主張する発表を見かけたとき、量子ビット数の大きさそのものを判断材料にする必要はない。問うべきは二つある。第一に、GPU上のiQCC、テンソルネットワーク法、DMRGなどの古典手法が、同じ問題をいま解けるかどうか。第二に、その問題が実際に強相関の隅、つまり古典手法が苦戦する領域に入っているかどうかである。

三つ目の基準は、本稿ではなく出典の側が置いている。CastaldoとReiherが持ち出すのは、強相関の難物だけでなく弱相関の問題まで日常的に回せて初めて量子計算は古典の真の競合になる、という条件つきの話だ。活性空間を定義する必要のない系では、基準手法はCCSD(T)（電子相関を高い精度で扱う、実務の標準にあたる古典手法）のままだ。だから量子計算化学は「the runtime needed to reach chemical accuracy with CCSD(T)」と比べなければならない、と彼らは書く¹。比べる相手は、化学的精度に届くまでにCCSD(T)が要する実行時間である。速さを主張するなら、相手はその時点で現場が実際に使っている古典手法でなければならない、ということだ。

12,635原子まで届いたハイブリッド計算は規模の記録として意味を持つが、著者ら自身が優位性の根拠とはみなさないと明言している²。100〜124量子ビット規模の化学問題は、2026年の時点でGPU上の古典計算に脱量子化されている⁴。境界の位置は、次に古典側が何を解いたかを見て測り直すことになる。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。