NVIDIA

NVIDIAが量子コンピュータ向けAIモデル「Ising」公開──GPUなしでは動かない戦略の本質

量子コンピュータの「使えない」を変えるかもしれないAIモデルが登場した。だが、その裏にはNVIDIA流のプラットフォーム囲い込みが透けて見える。

情報の灯台

2026年4月15日

量子コンピュータの「使えない」を変えるかもしれないAIモデルが登場した。だが、その裏にはNVIDIA流のプラットフォーム囲い込みが透けて見える。

量子コンピュータの二大ボトルネックに挑むAI

NVIDIAが2026年4月14日、量子コンピューティング向けとしては世界初のオープンソース AIモデルファミリー「Ising（イジング）」を公開した。名前の由来は、統計力学で複雑な物理系の理解を劇的に単純化したレンツ＝イジングモデルだ。

量子コンピュータは理論上、創薬や材料科学、金融モデリングで古典コンピュータを圧倒する計算能力を持つ。だが現実には、量子ビットがあまりにも脆く、エラーだらけで実用に耐えない。NVIDIAが狙ったのは、この「脆さ」を支える2つの工程——キャリブレーション（較正）とデコーディング（誤り訂正の復号）——をAIで自動化・高速化することだ。

現在最高性能の量子プロセッサでも、約1000回の演算に1回はエラーが発生する。実用化にはこのエラー率を1兆分の1以下にまで下げる必要がある。

ジェンスン・フアン（Jensen Huang）CEOは「AIが量子マシンの制御プレーン、つまりオペレーティングシステムになる」と語った。壊れやすい量子ビットを、スケーラブルな量子GPUシステムに変えるという宣言だ。

キャリブレーションを「日単位」から「時間単位」へ

Ising Calibrationは350億パラメータのビジョン言語モデル（VLM）で、量子プロセッサ（QPU）の実験データを読み取り、次に必要な調整を推論する。従来、研究者が手作業で数日かけていた較正作業を、AIエージェントと組み合わせることで数時間に短縮できるとNVIDIAは主張している。

興味深いのはその軽量さだ。350億パラメータ は大規模言語モデルとしては中規模で、RTX Pro 6000 BlackwellやDGX Sparkでも動作する。量子研究室の片隅に置けるサイズ感で、大規模クラウドインフラが不要という点は、資金力に限りのある研究グループにとって現実的な選択肢になりうる。

NVIDIAの発表によれば、量子キャリブレーションタスクの新ベンチマーク「QCalEval」でGemini 3.1 Pro、Claude Opus 4.6、GPT 5.4を上回る性能を示したという。ただし、このベンチマーク自体がNVIDIA主導で作られたものである点は留意すべきだろう。自分でテストを作って自分が1位になるのは、よくある話だ。

デコーディング性能：2.5倍速く、3倍正確に

Ising Decodingは3D畳み込みニューラルネットワーク（CNN）の2つのバリアントで構成される。速度重視の90万パラメータモデルと、精度重視の180万パラメータモデルだ。

デコーディングとは、量子誤り訂正における「翻訳」作業だ。論理量子ビットの冗長な測定値を読み取り、訂正信号に変換する。この処理が新しいエラーの発生速度に追いつけなければ、誤り訂正の意味がなくなる。

NVIDIAのベンチマークでは、量子研究の業界標準オープンソースデコーダであるpyMatchingと比較して、最大 2.5倍の速度と3倍の精度 を達成した。

Ising Decoding vs pyMatching：速度・精度の比較

復号速度（倍率）

Fastモデル（d=13, p=0.003）

2.5x

Accurateモデル（d=13, p=0.003）

2.25x

pyMatching（ベースライン）

論理エラー率の改善（倍率）

Accurateモデル（d=31, p=0.003）

Accurateモデル（d=13, p=0.003）

1.53x

Fastモデル（d=13, p=0.003）

1.11x

pyMatching（ベースライン）

Ising Decoding pyMatching

※ d=符号距離、p=物理エラー率。pyMatchingはMWPM（最小重み完全マッチング）ベースのオープンソースデコーダ。NVIDIA技術ブログの公表値に基づく

さらに、必要な学習データ量は10分の1で済むという。NVIDIA量子製品ディレクターのサム・スタンウィックによれば、2.5倍のスピードアップは、量子プロセッサが論理量子ビットを維持できるゲート演算の上限を引き上げることを意味する。デコードが速くなれば、それだけ複雑な計算を壊れる前に完了できる。

NVIDIA Isingモデルファミリー仕様一覧

	Calibration 1	Decoding Fast	Decoding Accurate
用途	QPUの較正自動化	誤り訂正（速度重視）	誤り訂正（精度重視）
アーキテクチャ	VLM	3D CNN	3D CNN
パラメータ	350億	約91.2万	約179万
較正時間	数日→数時間	—	—
速度 vs pyM	—	2.5x	2.25x
精度 vs pyM	—	1.11x	最大3x
動作環境	RTX Pro 6000 DGX Spark	DGX GB300	DGX GB300

※ 速度・精度はd=13, p=0.003での値。Accurateの「最大3x」はd=31, p=0.003条件。pyM=pyMatching。NVIDIA公式プレスリリースおよび技術ブログに基づく

オープンソースだが、プラットフォームは独占

ここからがNVIDIAの本質だ。Isingのモデル重み、学習フレームワーク、データセットはGitHub、Hugging Face、build.nvidia.comで公開されている。誰でもダウンロードでき、自分のハードウェアに合わせてファインチューニングも可能だ。

しかし、Isingが本領を発揮するには、NVIDIAの独自スタックが不可欠になる。デコーダのリアルタイム処理に必要な低遅延インターコネクト NVQLink と、ハイブリッド量子古典計算プラットフォームCUDA-Qだ。NVQLinkは2025年10月のGTC Washington D.C.で発表されたQPU-GPU接続アーキテクチャで、すでに17社の量子ハードウェアビルダーと9つの米国国立研究所が参加している。

NVIDIAはNemotron（エージェントAI）、Cosmos（物理AI）、GR00T（ロボティクス）でも同じパターンを繰り返してきた。モデルはオープンにし、周辺のプラットフォームをプロプライエタリに保つことで、GPU依存をワークフロー全体に浸透させる。

この戦略の巧妙さは、量子ハードウェアを自社で作らないにもかかわらず、量子業界のインフラレイヤーに深く食い込む点にある。量子ハードウェアの覇権を争う必要がない。どのメーカーのQPUが勝っても、NVIDIAのGPUとソフトウェアが必要になる構造を作っているのだ。

採用機関と市場の行方

Ising Calibrationはすでにフェルミ国立加速器研究所、ハーバード大学、IonQ、IQM Quantum Computers、ローレンス・バークレー国立研究所、英国立物理学研究所（NPL）などが採用している。Ising Decodingはコーネル大学、サンディア国立研究所、カリフォルニア大学サンディエゴ校などで展開が進む。

量子コンピューティング市場は調査会社によって予測が大きく異なるが、NVIDIAが引用するResonanceの推計では2030年に 110億ドル（約1兆7500億円）を超える見通しだ。現時点ではまだ「未来の話」の域を出ないが、NVIDIAはその未来が来たときにすでにインフラを握っていたい——Isingは、そのための布石だろう。

量子×AIの「制御層」をめぐる競争

NVIDIAの量子製品ディレクター、スタンウィックはデコーディングとキャリブレーションを最初に選んだ理由について「最もすぐにAIが効果を発揮できるワークロードだから」と説明している。だが長期的には、AIが量子回路の設計や最適化まで担うビジョンも示唆した。デコーディングとキャリブレーションは、あくまで出発点にすぎない。

量子コンピュータがいつ「使い物になる」のかは、まだ誰にも断言できない。だがNVIDIAは、その日が来たときに自分がすでにインフラを握っている側にいるよう、着々と手を打っている。

参照元