AI × 量子

• AIに役立つ量子。 これは「量子機械学習」（QML）であり、とりわけハイブリッドワークフロー（QPUがGPUを支援する）である。期待されているのは、最適化、サンプリング、シミュレーションの一部のタスクを高速化し、金融、化学、創薬に成果をもたらすことだ。しかし正直に言おう。現時点で、一般的な機械学習について量子優位性が証明された例は1つもなく、この方向性は業界で最も過大に売り込まれているものの1つである。
• 量子に役立つAI。 逆説的だが、今日最も具体的な相乗効果はこちらである。AIは、誤り訂正の復号を高速化し、量子チップを設計・較正し、制御システムを動かし、より優れたアルゴリズムを発見する手助けをする。こうしてAIは、量子そのものを前進させるための道具になった。

---

要点（第12章）

• 量子ビットは重ね合わせと量子もつれを利用して、多数の可能性を同時に探索する。対象を絞った一部の問題については、期待される計算能力は計り知れない。
• 本当の壁は誤り（デコヒーレンス）である。物理量子ビット（壊れやすく、数は多い）と論理量子ビット（信頼できるが、数は少ない）を区別しなければならない。誤り訂正が中心的な課題である。
• 2026年、進歩は本物である（Googleの Willow、IBM が2026年7月に主張した量子優位性。ただし査読による確認が待たれる）が、機械は物理量子ビット数百個、最新の原子レジスタでも1,000個ほどで頭打ちになっており、役立つ応用はゆっくりとしか現れていない。担い手は米国、欧州（フランスの存在感が大きい）、中国にいる。
• 差し迫っており確実な影響は暗号への脅威（ショアのアルゴリズム）であり、だからこそ耐量子計算機暗号が急務となる。
• AIと量子の融合は2つの方向から読み解ける。AIのための量子（QML、ハイブリッド。大いに過大宣伝されており、通常の機械学習での優位性は証明されていない）と、より具体的な量子のためのAI（誤り訂正、チップ設計）である。

抽象的で微視的な世界を離れ、最も手触りのある融合へと進もう。AIが身体を得る、ロボティクスである。

---