本文へ移動
ZVYX / Quantum図解 · 量子ビット数の先へ全14記事

量子競争マップ続編 · 更新 2026.09.10

量子ビット数の先を、完全に理解する。
幅・深さ・速さ・コスト。IonQ 80K と IBM 200 は、なぜ両方正しいのか。

論理量子ビットは CPU コアではない。幅は入場券であり、余った幅は magic-state factory と並列ジョブで throughput に変わる。qLDPC・Wide AND Deep・分散・AI 需要・2040 の天井まで、7 章 27 セクション・18 枚の図で。

投資助言ではありません。トップ「量子競争マップ」の続編。2026.09.10 の追加議論を、確認済み／公式目標／サイト見立て／未確認に分けて整理しています。Walking Cat の T/day や資源見積りは設計値・過去研究の値で、実機の実測ではありません。

論理量子ビットは「作業員の人数」ではなく、誤り訂正で守られた量子情報を、同時にどれだけ保持・操作できるかの幅である。サイト見立てコア数ではない

80,000 論理を「8 万コア」と読むと、速度も規模も誤解する。まず「幅」として捉え、速度は別の軸で測る。

CORES ≠ WIDTH80,000 は作業員の人数ではなく、守られた量子情報の幅

目次

7章 · 27セクション初見なら、この10枚だけで骨格が通る

論理量子ビットとは何か

  1. コア数ではない★守られた量子情報を、同時にどれだけ持てるか
  2. 5 つの軸Width / Depth / Speed / Error / Parallelism
  3. 幅は入場券★5,000 必要なら、200 では載らない

幅は速度に変わる

  1. 80K の配分★data / ancilla / factory / routing / 並列ジョブ
  2. Walking Cat の例★同じ 308 論理でも T/day が 10 倍変わる
  3. magic-state factory供給が遅ければ、本体が速くても待つ

IBM 200 と IonQ 80K

  1. qLDPC の取引物理量子ビットを節約、接続と runtime で払う
  2. 速度神話の修正物理ゲートが速い ≠ 論理計算が常に最速
  3. どこで誰が効くか★幅 ≤150 & 深い → IBM。5K〜50K → IonQ
  4. 200 を軽視しないStarling は 1 億ゲートの深さを前面に出す

Wide AND Deep

  1. 問題の階段★小分子 → 反応全体 → real-time dynamics
  2. 誤り予算10⁴ × 10⁹ = 10¹³。10⁻¹² では 10 回壊れる
  3. 資源見積りの実例100K 論理の電池化学、808 論理 × 10¹¹ Toffoli

スケールアウトと分散

  1. 80K × 10 台★独立ジョブは伸びる。単一問題は伸びない
  2. 接続できる ≠ 損しないfidelity・rate・latency・loss・QEC・待ち
  3. 異種混在データセンター★compute / parallel / low-latency / memory / fabric
  4. 成立条件渡して得る利益 ＞ 転送・待機・訂正のコスト

AI 時代の量子需要

  1. AI for Science のループ候補生成 → QPU → 結果 → 学習 → 次の仮説
  2. 需要の式★3 因子。AI は増やす側にも減らす側にも働く
  3. 真実生成機ではないそれでも iteration 速度は研究速度そのもの

2040 と「スケールする」の意味

  1. 3 つの段階FTQC 成立 → 量子スパコン → 量子データセンター
  2. 方式の天井6 方式の物理天井と工学天井
  3. スケールの算数★10 倍の量子ビットが 3 倍の仕事なら悪化
  4. 80K → 1M → 10M3 層の連続性と、IonQ に見る 9 項目
  5. 原子種の修正Oxford 系 99.99% は ⁴⁰Ca⁺。全部バリウムではない
  6. 更新した評価指標throughput / 配分 / スケール品質 / 経済性 / 究極
  7. 10 の結論追加した量子ビットが、有用な仕事に変わり続けるか
主張する
論理数は幅。幅は入場券であり、throughput にも変わる。80K と 200 は別クラス。
主張しない
倍数比較。速度の固定対比。AI 需要の一方向仮説。80K → 1M の線形外挿。
まだ未確認
T/day は設計値。資源見積りはモデル依存。分散・異種混在は研究段階。

第1章

論理量子ビットとは何か

IonQ の 80,000 論理量子ビットは「8 万人の作業員」なのか。

論理量子ビットは CPU コア数ではない。幅・深さ・速さ・誤り・並列の 5 軸に分けると、80K と 200 が両方正しい理由が見える。

01コア数ではない

サイト見立て

論理量子ビットは「作業員の人数」ではなく、誤り訂正で守られた量子情報を、同時にどれだけ保持・操作できるかの幅である。

80,000 論理を「8 万コア」と読むと、速度も規模も誤解する。まず「幅」として捉え、速度は別の軸で測る。

論理量子ビットは「作業員の人数」ではなく、誤り訂正で守られた量子情報を、同時にどれだけ保持・操作できるかの幅である。サイト見立てコア数ではない

80,000 論理を「8 万コア」と読むと、速度も規模も誤解する。まず「幅」として捉え、速度は別の軸で測る。

025 つの軸

サイト見立て

幅・深さ・速さ・誤り・並列。5 つ全部が必要で、1 つの数字では性能は決まらない。

Width は載るか。Depth は何段続くか。Speed は 1 段の速さ。Error は最後まで壊れないか。Parallelism は同時にいくつ回せるか。

幅・深さ・速さ・誤り・並列。5 つ全部が必要で、1 つの数字では性能は決まらない。サイト見立て5 つの軸

Width は載るか。Depth は何段続くか。Speed は 1 段の速さ。Error は最後まで壊れないか。Parallelism は同時にいくつ回せるか。

03幅は入場券

サイト見立て

アルゴリズムが 5,000 論理量子ビットを要求するなら、80K は入場でき、200 はそのままでは入場できない。

入場した後の「何回の論理演算を何秒で、どれだけ壊さず実行できるか」は別軸。幅は必要条件であって十分条件ではない。

アルゴリズムが 5,000 論理量子ビットを要求するなら、80K は入場でき、200 はそのままでは入場できない。サイト見立て幅は入場券

入場できても、速く走れるかは別。入場できなければ、速さは意味を持たない。 入場した後の「何回の論理演算を何秒で、どれだけ壊さず実行できるか」は別軸。幅は必要条件であって十分条件ではない。

第2章

幅は速度に変わる

問題に 1,000 しか要らないとき、残りの 79,000 は遊ぶのか。

余った論理量子ビットは ancilla・magic-state factory・並列ジョブへ配分され、throughput に変換される。Walking Cat の設計例で見る。

0480K の配分

サイト見立て

大量の論理量子ビットは、data・ancilla・QEC 支援・magic-state factory・routing・並列ジョブへ配分できる。幅は throughput へ変換できる。

「余った資源は余らない」。1 問題に 1K しか要らなくても、残りを factory と別ジョブに回せば、装置全体の仕事量が増える。

Walking Cat の設計図
大量の論理量子ビットは、data・ancilla・QEC 支援・magic-state factory・routing・並列ジョブへ配分できる。幅は throughput へ変換できる。サイト見立て80K の配分

「余った資源は余らない」。1 問題に 1K しか要らなくても、残りを factory と別ジョブに回せば、装置全体の仕事量が増える。

05Walking Cat の例

公式目標

同じ 308 論理量子ビットでも、支援設備に物理量子ビットを 6,177 → 9,242 へ増やすと、T ゲート throughput は約 100 万/日 → 約 1,050 万/日へ変わる。

完成実機の実測ではなく、IonQ の Walking Cat 設計論文の resource estimate。論理数が同じでも、配置次第で速度が 10 倍動くことを示す。

Walking Cat 解説
同じ 308 論理量子ビットでも、支援設備に物理量子ビットを 6,177 → 9,242 へ増やすと、T ゲート throughput は約 100 万/日 → 約 1,050 万/日へ変わる。公式目標Walking Cat の例

完成実機の実測ではなく、IonQ の Walking Cat 設計論文の resource estimate。論理数が同じでも、配置次第で速度が 10 倍動くことを示す。

06magic-state factory

サイト見立て

計算本体が速くても、magic state の供給が遅ければ待ち時間になる。factory を並べれば throughput が上がる。

FTQC では Clifford ゲートだけでは汎用計算にならない。T ゲート／non-Clifford 演算のための magic state を、誰が・どれだけ速く供給するかが装置の速度を決める。

  1. Clifford だけでは汎用計算にならない

    T ゲート／non-Clifford 演算を高品質に行うため、magic state を生成・蒸留して供給する方式が使われる。

  2. 供給が遅ければ、本体が速くても待つ

    計算本体・magic-state factory・ancilla・routing・QEC の resource balance が throughput を決める。

  3. factory を並べれば throughput が上がる

    だから「余った論理／物理資源は余らない」。幅が速度に変換される具体的な経路がこれ。

第3章

IBM 200 と IonQ 80K

「IBM は速い、IonQ は遅い」は本当か。

qLDPC は速くなる技術ではなく、ハード量を節約する代わりに接続・デコーダを複雑化する取引。どの問題でどちらが効くかを 3 ケースに分ける。

07qLDPC の取引

サイト見立て

qLDPC は「速くなる技術」ではない。物理オーバーヘッドを削る代わりに、長距離接続・カプラ・制御・デコーダ・論理演算が難しくなる取引である。

surface code は頑丈だが 1 論理あたり大量の物理量子ビットを食う。IBM の bivariate-bicycle 系 qLDPC は、少ない物理で多くの論理情報を保つことを狙う。

qLDPC は「速くなる技術」ではない。物理オーバーヘッドを削る代わりに、長距離接続・カプラ・制御・デコーダ・論理演算が難しくなる取引である。サイト見立てqLDPC の取引

surface code は頑丈だが 1 論理あたり大量の物理量子ビットを食う。IBM の bivariate-bicycle 系 qLDPC は、少ない物理で多くの論理情報を保つことを狙う。

08速度神話の修正

サイト見立て

「超伝導は物理ゲートが速いから論理計算も速い」は単純すぎる。IBM も全体最適化をしている。

前回までの理解の修正点。IBM を「少ない論理を高速に深く回す会社」と単純化するのは、方向としては正しいが不十分。

修正前超伝導は native gate が速い → 論理計算もそのまま速い
修正後IBM も physical qubits・logical qubits・connectivity・論理演算 latency・decoder・magic-state 供給・module link を全体最適化している。速い物理素子を持つから常に最速、ではない。
  1. IBM 系 qLDPC 設計研究では、特定条件で surface code より物理量子ビットを大幅に減らせる一方、runtime が大幅に長くなる trade-off も示されている
  2. したがって「IBM = 速い、IonQ = 遅い」という固定対比はやめる
  3. 正確には、IBM は高速な物理素子を使いながら qLDPC と modular design で有用な FT 計算を最小コストで成立させる道を選んでいる

09どこで誰が効くか

サイト見立て

幅 100〜150 で非常に深い逐次計算なら IBM。5K〜50K を同時に要する問題なら IonQ。1K の問題でも残りを factory と並列に回すなら IonQ の throughput。

「IBM = 速い、IonQ = 遅い」という固定対比をやめ、問題の形（幅 × 深さ × 並列性）で場合分けする。

幅 100〜150 で非常に深い逐次計算なら IBM。5K〜50K を同時に要する問題なら IonQ。1K の問題でも残りを factory と並列に回すなら IonQ の throughput。サイト見立てどこで誰が効くか

「IBM = 速い、IonQ = 遅い」という固定対比をやめ、問題の形（幅 × 深さ × 並列性）で場合分けする。

10200 を軽視しない

公式目標

IBM Starling は 200 logical × 1 億ゲート。「深い計算能力」を前面に出している。

幅の要求が 200 以下で逐次深さが大きい用途なら、IBM の価値は高い。一方、IonQ 80K が本当に usable で large-width 用途が増えるなら、IonQ は別クラスの問題を扱える。

STARLING が前面に出す数字

  • 200 logical qubits
  • 100 million gates

IBM が効く条件

  • width requirement が 200 以下
  • sequential depth が大きい

  1. IBM の 200 を軽視するのも間違い

  2. IonQ の 80K を「速度差でどうでもいい」と見るのも間違い

第4章

Wide AND Deep

本当に難しい問題は、幅か深さか。

問題を大きくすると幅・深さ・信頼性が同時に厳しくなる。10⁴ 論理 × 10⁹ サイクルの誤り予算と、実在する資源見積りの例で確かめる。

11問題の階段

サイト見立て

小分子から反応全体・リアルタイム動力学へ広げるほど、幅・深さ・信頼性の 3 つが同時に厳しくなる。未来の難問は Wide OR Deep ではなく Wide AND Deep。

電子・軌道・自由度が増えれば幅が、相互作用・時間発展・位相推定が増えれば深さが、巨大計算を通す要求から論理誤り率の要件が厳しくなる。

小分子から反応全体・リアルタイム動力学へ広げるほど、幅・深さ・信頼性の 3 つが同時に厳しくなる。未来の難問は Wide OR Deep ではなく Wide AND Deep。サイト見立て問題の階段

電子・軌道・自由度が増えれば幅が、相互作用・時間発展・位相推定が増えれば深さが、巨大計算を通す要求から論理誤り率の要件が厳しくなる。

12誤り予算

サイト見立て

10⁴ 論理 × 10⁹ サイクル = 10¹³ 論理量子ビット・サイクル。1 サイクルあたり 10⁻¹² でも平均 10 回壊れる。全体失敗を 1% に抑えるには 10⁻¹⁵ 級が要る。

単純モデルの概念図。IonQ 公表の logical error と、この「per logical-qubit-cycle error」は定義が違うので直接比較しない。問題が大きく長くなるほど QEC 要求も厳しくなる、という構造を見る。

10⁴ 論理 × 10⁹ サイクル = 10¹³ 論理量子ビット・サイクル。1 サイクルあたり 10⁻¹² でも平均 10 回壊れる。全体失敗を 1% に抑えるには 10⁻¹⁵ 級が要る。サイト見立て誤り予算

単純モデルの概念図。IonQ 公表の logical error と、この「per logical-qubit-cycle error」は定義が違うので直接比較しない。問題が大きく長くなるほど QEC 要求も厳しくなる、という構造を見る。

13資源見積りの実例

未確認

電池電解質化学で約 100,139 論理 × 約 1.06×10¹⁴ T ゲート。リアルタイム化学動力学で 808 論理 × 約 10¹¹ Toffoli。「幅が小さいから簡単」ではない。

PsiQuantum / Mercedes-Benz 系の過去研究、および real-time chemical dynamics の resource estimate。当時のアルゴリズム・基底・資源モデルに依存し、絶対最小値ではない。

電池電解質化学で約 100,139 論理 × 約 1.06×10¹⁴ T ゲート。リアルタイム化学動力学で 808 論理 × 約 10¹¹ Toffoli。「幅が小さいから簡単」ではない。未確認資源見積りの実例

当時のアルゴリズム・基底・資源モデルに依存し、絶対最小値ではない。2030 の商用需要を保証するものでもない。しかし「80K 級の幅を必要とする具体的 scientific workload の想定はゼロ」ではない。

第5章

スケールアウトと分散

80K を 10 台置けば、800K になるのか。

独立ジョブなら台数で伸びる。単一の巨大問題には量子状態を壊さない接続が要る。2040 の異種混在データセンター像まで。

1480K × 10 台

サイト見立て

独立ジョブなら 80K を 10 台・100 台と並べて jobs/day が伸びる。しかし単一アルゴリズムが 500K を同時に要するなら、10 台置いても 800K の一台にはならない。

AI for Science なら QPU1 → 材料 A 群、QPU2 → B 群、と scale-out できる。その場合の指標は一台の latency より quantum jobs/day と throughput/$。

独立ジョブなら 80K を 10 台・100 台と並べて jobs/day が伸びる。しかし単一アルゴリズムが 500K を同時に要するなら、10 台置いても 800K の一台にはならない。サイト見立て80K × 10 台

AI for Science なら QPU1 → 材料 A 群、QPU2 → B 群、と scale-out できる。その場合の指標は一台の latency より quantum jobs/day と throughput/$。

15接続できる ≠ 損しない

未確認

離れた ion-trap module を光で繋ぐ実証はある。しかし「接続しても経済性・性能を失わない」は別問題。

「接続できる」と「接続しても経済性・性能を失わない」は別。2040 を見るうえで quantum networking bandwidth は非常に重要。

Oxford 系研究などで、離れた ion-trap module を photonic link で繋ぎ、cross-module entangling gate / distributed algorithm を実証する研究がある。

残る課題

  • fidelity
  • entanglement rate
  • latency
  • loss
  • QEC overhead
  • waiting time

16異種混在データセンター

サイト見立て

2040 は「どの方式が最強か」ではなく、イオン compute・中性原子 massively parallel・超伝導 low-latency・ダイヤモンド memory・光 fabric が役割を分ける可能性がある。

DARPA HARQ の MOSAIC（コンパイラ側で方式へ振り分け）と QSB（量子バックボーンで接続）がこの方向。IonQ は接続側、Infleqtion は MOSAIC 側。ただしまだ研究段階。

DARPA HARQ 解説
2040 は「どの方式が最強か」ではなく、イオン compute・中性原子 massively parallel・超伝導 low-latency・ダイヤモンド memory・光 fabric が役割を分ける可能性がある。サイト見立て異種混在データセンター

DARPA HARQ の MOSAIC（コンパイラ側で方式へ振り分け）と QSB（量子バックボーンで接続）がこの方向。IonQ は接続側、Infleqtion は MOSAIC 側。ただしまだ研究段階。

17成立条件

サイト見立て

別方式へ処理を渡して得る利益が、転送・待機・訂正・interconnect のコストを上回るときだけ成立する。

CPU/GPU のように何でも細かく行き来するとは限らない。初期は比較的大きな役割分担から始まる可能性が高い。

初期に起こりやすい役割分担

  • job 単位
  • module 単位
  • compute / memory
  • compute / networking
  • bulk parallel vs low-latency

第6章

AI 時代の量子需要

AI の知能爆発は、量子需要を爆増させるのか。

AI は需要を増やす側にも減らす側にも働く。需要 = 研究課題総数 × QPU を使う割合 × 1 件あたり計算量、で考える。

18AI for Science のループ

サイト見立て

AI が候補を 100 万・1 億と生成し、古典近似が信頼できない少数の高価値問題を QPU に投げ、結果を AI が学習して次の仮説へ。これが最も確度の高い AI × 量子。

「QPU が LLM を直接 100 倍高速化する」より、「AI for Science の中で、古典/AI だけでは難しい少数の問題を解く」方が現時点では確度が高い。

Reality AI 時代の QPU
AI が候補を 100 万・1 億と生成し、古典近似が信頼できない少数の高価値問題を QPU に投げ、結果を AI が学習して次の仮説へ。これが最も確度の高い AI × 量子。サイト見立てAI for Science のループ

「QPU が LLM を直接 100 倍高速化する」より、「AI for Science の中で、古典/AI だけでは難しい少数の問題を解く」方が現時点では確度が高い。

19需要の式

サイト見立て

量子需要 = 研究課題総数 × QPU を使う割合 × 1 件あたり量子計算量。AI は第 1 因子を増やし、第 2 因子を減らす方向にも働く。

FermiNet のように AI 自身が第一原理計算を進める研究もある。AI が賢くなるほど QPU に投げる必要のあるジョブが減る可能性を、需要仮説に織り込む。

量子需要 = 研究課題総数 × QPU を使う割合 × 1 件あたり量子計算量。AI は第 1 因子を増やし、第 2 因子を減らす方向にも働く。サイト見立て需要の式

FermiNet のように AI 自身が第一原理計算を進める研究もある。AI が賢くなるほど QPU に投げる必要のあるジョブが減る可能性を、需要仮説に織り込む。

20真実生成機ではない

サイト見立て

QPU の結果は現実の絶対的真実ではない。それでも、研究の iteration 速度は研究速度そのものだから、速さは重要。

材料探索は 1ms の応答を要求しないかもしれない。しかし科学研究は「計算 → 結果 → 次の仮説 → 次の計算」の逐次ループ。

QPU の結果が依存するもの

  • Hamiltonian / model choice
  • basis
  • truncation
  • initial state
  • observable selection
  • algorithm approximation

QPU の結果 = 現実世界の絶対的真実、ではない。QPU advantage は「古典的に扱いにくい量子系を、より正確・効率的に計算できる領域」として評価する。

100 iterations の研究速度

1 回 1 日× 100 iterations≈ 100 日
1 回 1 時間× 100 iterations≈ 4 日

human/robot real-time control ほどの低 latency は不要でも、研究の iteration speed と設備効率に速度は非常に重要。「offline science だから遅くてもよい」ではない。

第7章

2040 と「スケールする」の意味

80K は上限か。1M / 10M へ連続的に伸びるのか。

指標は logical 数から useful ops/sec・jobs/day・cost/job へ移る。各方式の物理天井と工学天井、3 層の連続性、更新した評価指標。

213 つの段階

サイト見立て

2030 前後は FTQC 成立の証明。2030〜35 は量子スパコン化。2035〜40 は量子データセンター化。指標は logical 数から useful ops/sec・jobs/day・cost/job へ移る。

80K を最終完成形と見るのは不自然。本当に重要なのは、80K まで行ける基本アーキテクチャが、その先の 1M / 10M へ連続的に繋がるか。

2030 前後は FTQC 成立の証明。2030〜35 は量子スパコン化。2035〜40 は量子データセンター化。指標は logical 数から useful ops/sec・jobs/day・cost/job へ移る。サイト見立て3 つの段階

80K を最終完成形と見るのは不自然。本当に重要なのは、80K まで行ける基本アーキテクチャが、その先の 1M / 10M へ連続的に繋がるか。

22方式の天井

サイト見立て

2027 / 2030 のロードマップ比較だけでなく、その方式の基礎物理が最終的にどこまで scale できるか——物理天井と工学天井——を見る。

イオン・中性原子・超伝導・光・シリコンスピン・ダイヤモンドスピン。強みは基礎物理、長期課題は制御・配線・冷却・デコーダ・相互接続などの工学に集まる。

方式戦争の記事
2027 / 2030 のロードマップ比較だけでなく、その方式の基礎物理が最終的にどこまで scale できるか——物理天井と工学天井——を見る。サイト見立て方式の天井

イオン・中性原子・超伝導・光・シリコンスピン・ダイヤモンドスピン。強みは基礎物理、長期課題は制御・配線・冷却・デコーダ・相互接続などの工学に集まる。

23スケールの算数

サイト見立て

量子ビット 10 倍 → コスト 30 倍 → 有用 throughput 3 倍なら経済性は悪化。コスト 5 倍 → throughput 10 倍 → 新しい大問題が解けるなら非常に強い。

「スケールする」とは量子ビットを増やせることではなく、追加した資源が追加の有用な計算能力へ変わること。useful work / dollar が世代ごとに改善・維持されるか。

量子ビット 10 倍 → コスト 30 倍 → 有用 throughput 3 倍なら経済性は悪化。コスト 5 倍 → throughput 10 倍 → 新しい大問題が解けるなら非常に強い。サイト見立てスケールの算数

「スケールする」とは量子ビットを増やせることではなく、追加した資源が追加の有用な計算能力へ変わること。useful work / dollar が世代ごとに改善・維持されるか。

2480K → 1M → 10M

サイト見立て

連続性は 3 層。同じ基礎物理で増やせるか。増やしても fidelity・cycle time・接続・並列・QEC を失わないか。追加コストに対して useful work / dollar が改善するか。

IonQ の長期仮説で最重要。80K 達成そのものより、次世代へ同じアーキテクチャで伸びるか、制御 overhead が線形以上に爆発しないか、magic-state throughput が伸びるかを見る。

連続性は 3 層。同じ基礎物理で増やせるか。増やしても fidelity・cycle time・接続・並列・QEC を失わないか。追加コストに対して useful work / dollar が改善するか。サイト見立て80K → 1M → 10M

IonQ の長期仮説で最重要。80K 達成そのものより、次世代へ同じアーキテクチャで伸びるか、制御 overhead が線形以上に爆発しないか、magic-state throughput が伸びるかを見る。

25原子種の修正

確認済み

Oxford Ionics 系 99.99% 超の 2Q ゲートは ⁴⁰Ca⁺。「IonQ / Oxford 系 = すべてバリウム」とは扱わない。

世代・技術系統・買収元で原子種や hardware stack が異なる。ロードマップの数字がどの系統のものかを分けて読む。

  1. Oxford Ionics 系 99.99% 超の 2Q gate は ⁴⁰Ca⁺

    これまで IonQ 系を「バリウム中心」と単純化したことがあるが、今回議論した実験はカルシウムイオン。「IonQ / Oxford 系 = すべてバリウム」とは扱わない。

  2. 世代・技術系統・買収元で原子種や hardware stack が異なる

    IonQ 本体（Ba⁺ / Yb⁺ 系）と Oxford Ionics 系（Ca⁺）は別系統。ロードマップを読むとき、どの系統の数字かを分けて見る。

  3. 「ground-state cooling 不要」は「cooling が完全に不要」ではない

    ゲートが基底状態冷却を要求しない設計と、冷却工程そのものが無くなることは別。

26更新した評価指標

サイト見立て

qubit count・fidelity・logical error に、system throughput・資源配分・スケール品質・経済性・究極スケールを足す。

今後の量子記事・分析では、物理量子ビット・論理量子ビット・2Q fidelity の横比較で終わらず、14 項目まで考慮する。

  • 従来（前回まで）

    • qubit count
    • fidelity
    • logical error
    • logical cycle
    • QEC
    • scale
    • manufacturability
    • customers

  • System throughput今回追加

    • useful logical operations/sec
    • T / Toffoli throughput
    • magic-state throughput
    • jobs/day

  • Resource allocation今回追加

    • algorithm logical qubits
    • ancilla
    • factories
    • communication
    • routing

  • Scalability quality今回追加

    • qubits added per cost
    • useful performance gained per generation
    • control overhead growth
    • network bandwidth

  • Economic scalability今回追加

    • cost/job
    • uptime
    • utilization
    • maintenance
    • energy
    • deployment density

  • Ultimate scalability今回追加

    • 1M logical
    • 10M logical
    • multi-QPU
    • distributed / heterogeneous

ニュースを読むとき必ず通す 14 項目

  1. Width
  2. Depth
  3. Logical cycle time
  4. Logical error
  5. Parallelism
  6. Magic-state throughput
  7. Routing / communication
  8. QEC overhead
  9. Time-to-solution
  10. Cost-to-solution
  11. Scale-up
  12. Scale-out
  13. Ultimate scalability
  14. Economic scalability

2710 の結論

サイト見立て

追加した量子ビットが、追加の「有用な仕事」に変わり続けるか。

IonQ については「2030 年 80K」という数字だけで強気にならない。競合がこの点で IonQ を上回る証拠を出した場合は、IonQ 強気仮説を明確に下方修正する。

  1. IonQ 80K は巨大な強みになり得るが、logical qubit 数だけでは性能は決まらない。
  2. IBM 200 logical は少なく見えるが、deep / fast / reliable circuit を走らせられるなら非常に強い。
  3. 大量の幅は、大問題を載せるだけでなく、magic-state factory / 並列ジョブへ変換できる。
  4. 未来の重要問題は Wide AND Deep になり得る。
  5. AI は量子需要を増やす可能性があるが、AI / 古典計算が量子需要を減らす側にも働く。
  6. AI × Quantum の最初の大市場候補は、LLM を QPU で直接高速化するより、AI for Science の高価値 scientific computation。
  7. 80K は上限ではない。本当の IonQ 長期仮説は、80K まで行ける方式が 1M / 10M へ連続的・経済的に伸びるか。
  8. 2040 の競争は「どの qubit 方式が最強か」から、どの architecture が Wide × Deep × Fast × Cheap を最も良く scale できるかへ移る。
  9. 最終的には single-modality winner-takes-all ではなく、heterogeneous quantum datacenter になる可能性がある。
  10. 投資判断で本当に追うべきなのは、追加した qubits が追加の「有用な仕事」に変わり続けるか。

より大きく・より難しい問題を、より安く・より速く・より確実に解く能力を、世代ごとに増やし続けられるか。最終的な判断基準

—主張の境界

主張する・主張しない・まだ未確認を、分けて書く。

設計値・過去研究の見積り・研究段階の技術を、実機の実測と混同しない。

主張する
論理量子ビット数は幅であってコア数ではない。幅は入場券であり、余った幅は factory と並列ジョブで throughput に変わる。IonQ 80K と IBM 200 は別クラスの問題を狙っており、どちらかを軽視するのは間違い。
主張しない
IonQ 80K が IBM 200 の 400 倍速い、という比較。超伝導が常に最速、イオンが常に遅い、という固定対比。AI の進歩が量子需要を一方向に爆増させる、という単純化。80K が達成されれば 1M は 12.5 倍で済む、という線形外挿。
まだ未確認
Walking Cat の T/day は設計見積りで実測ではない。電池化学 100K 論理・動力学 808 論理 × 10¹¹ Toffoli は当時のモデル依存。分散量子計算が経済性を失わずに成立するか。異種混在データセンターが研究段階を超えるか。

—関連記事

まずトップ「量子競争マップ」で各社の位置を押さえ、続編 2「量子時代の行列積」でワークロード側から見直し、Walking Cat と HARQ で設計と接続を深掘りする。

  1. 前提 · トップ量子コンピュータ競争を、IonQ を軸に完全に理解する8 章 28 セクション・19 図。各社の進捗・狙い・課題・2030〜2040トップ
  2. 続編 2 · 図解量子時代の「行列積」を、完全に理解する量子時代の「行列積」— 方式差は CPU/GPU 級。Space / Time / Topology と IonQ の勝ち筋・乗り換え条件20分
  3. 続編 3 · 図解量子コンピュータの「工場化」を、完全に理解する量子コンピュータの「工場化」— ウェハー・パッケージ・光ネットワーク。IonQ・Xanadu・PsiQuantum の賭け26分
  4. 続編 4 · 図解フォトニック量子コンピュータを、完全に理解するフォトニック量子コンピュータ — 光を量子ビットにする各社と、光を配線にする IonQ28分
  5. IonQ の設計図Walking Cat ArchitectureWalking Cat — magic factory・cat factory・resource estimate の出どころ15分
  6. 分散と異種混在HARQ — 量子を『繋ぐ』という国策DARPA HARQ の MOSAIC / QSB と IonQ の光インフラ16分
  7. AI × 量子IonQ Reality AI AcceleratorGPU を置き換えず、GPU の隣に刺さる QPU18分
  8. 方式の物理Modality Wars各方式の基礎物理と、天井の由来18分
  9. 誤り率の桁Iceberg Codes — 物理：論理 2:1 の正体距離 4 · 10⁻⁴ から距離 21+ · 10⁻¹² まで残る 2 桁15分

編集方針

確認済み・公式目標・見立て・未確認を、分けて書く。

設計論文の resource estimate と実機の実測を混同しない。論理量子ビット数の倍数で速度を語らない。「超伝導は速い、イオンは遅い」の固定対比を使わない。IonQ に強気でも忠誠心は持たず、競合が useful work / dollar で明確に上回れば評価を下げる。

編集方針・免責事項