スピン量子ビットの完全自動チューニング

量子チップに自律的に調整させる

将来の量子コンピュータは、半導体チップ上に詰め込まれた何百万もの小さな量子ビット（キュービット）を含む可能性があります。現在では、これらのキュービットを数個でも正しく動作させるには、専門の研究者が数週間にわたって丹念に調整を行い、数十の電子的な「ノブ」を手作業で操作する必要があります。本稿はその作業を機械に委ねるシステムを紹介します。冷えている無音の量子チップを自動で立ち上げ、人手を介さずに機能するキュービットに至るまで導く手続きです。

なぜ量子チップのチューニングは難しいのか

半導体スピンキュービットは、日常のコンピューチップと似た製造技術で作れる可能性があるため、有望な量子コンピュータの構成要素です。各キュービットはナノワイヤやトランジスタの小さな領域に存在し、多数のゲート電極の電圧によって定義・制御されます。安定したキュービットを作るには、電荷がちょうど正しい場所に適切な量だけ存在し、領域間の障壁が高すぎず低すぎず、マイクロ波パルスで読み出しや制御ができるようにゲートを調整する必要があります。これらの条件は複数の電圧や磁場に繊細に依存するため、設定の空間は膨大で、家ほどの大きさの砂の山から一粒の砂を探すようなものです。この複雑さが、製造上は遥かに多くを許容できるにもかかわらず、実験用量子チップがデバイスあたり数個のキュービットに制限されている理由です。

段階的なロボットオペレータ

著者らはこの探索を引き継ぐ四段階の「デジタルオペレータ」を構築しました。すべてのゲート電圧がゼロに設定されたデバイスから始め、ナノワイヤを流れる微小な電流の測定をフィードバックとして用います。第1段階では、障壁ゲート電圧の組み合わせを走査して電流が出る／出ない領域を学習し、統計モデルを用いて二重量子ドット（隣接する二つの電荷ポケット）が形成できる領域を概ね特定します。第2段階ではその領域に焦点を当て、障壁を再調整して「バイアストライアングル」と呼ばれる特定の電流パターンが鋭く分離して現れるようにし、デバイス内部のエネルギーレベルがスピン状態を孤立させるのに適していることを示します。

機械に何を探すか教える

人間を介さずに有望なパターンを認識するために、アルゴリズムは現代データサイエンスの複数の手法を活用します。何千もの過去の測定やシミュレーションで訓練されたニューラルネットワークは、ある電流イメージが良好に形成された二重ドットに対応しているか、妨げとなる電荷ジャンプを含んでいるか、あるいは「スピンブロッケード」という、スピン情報を容易に測定可能な電流信号に変えるために必要な特徴を示しているかを判定できます。ほかのコンピュータビジョン手法は、バイアストライアングルの端や先端といった幾何学的特徴を自動で検出・追跡します。ベイズ最適化は効率的な試行錯誤探索の戦略で、例えば異なるスピン状態がエネルギー的にどれだけきれいに分離されているかに関連するスコアを改善する可能性が高い新しい電圧設定を提案します。

生のデバイスから動作するキュービットへ

アルゴリズムがスピンブロッケードを示す遷移を見つけると、最終段階に入ります：ゲート電圧だけでなく、マイクロ波周波数、磁場、パルス長も探索してスピンが整合的に応答する条件を見つけます。磁場を掃引した際の漏れ電流のピークを探し、エントロピーに基づくスコアで背景から明瞭に抜き出されるトレースを特定します。候補が見つかると、システムは自動的により詳細な測定を行い、ラビ振動として知られる振幅パターン（Rabi chevrons）を含めて、本当に制御可能なキュービット挙動であることを確認します。ゲルマニウム–シリコンナノワイヤデバイスでのテストでは、この手続きは13回の実行中10回で明瞭なラビ振動に到達し、完全自動運転で通常約1.5日程度で成功しました。

大規模量子プロセッサへの扉を開く

一般向けに言えば、本研究の重要なメッセージは、量子チップの運用で最も煩雑で専門性の高い部分が賢いソフトウェアに委ねられることを示した点です。研究者が広大な設定空間を手作業で探す代わりに、自動化されたパイプラインがパターン認識と案内付き探索を用いて、そうでなければ見つからない微小な「スイートスポット」を発見します。この手法はモジュール化されており、デバイス固有のトリックではなく一般的な測定パターンに依拠しているため、他の量子チップ設計へも移植でき、ウエハ上でキュービット品質がどのようにばらつくかの特性評価にも拡張可能です。量子プロセッサが数十個から数千〜百万個のキュービットへ成長するにつれて、このようなハンズフリーのチューニングと自己最適化は、研究室レベルの試作を実用的な量子技術へ変えるために不可欠になるでしょう。

引用: Schuff, J., Carballido, M.J., Kotzagiannidis, M. et al. Fully autonomous tuning of a spin qubit. Nat Electron 9, 304–313 (2026). https://doi.org/10.1038/s41928-025-01562-4

キーワード: スピン量子ビット, 量子デバイスの自動化, 機械学習, 半導体量子コンピューティング, ナノワイヤ量子ドット