NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Google DeepMindの研究チームがGemini 4とLeanで量子プログラムを自動発見 量子算術のコスト290倍改善を報告

Google DeepMind所属を含む25名の研究チームは2026年11月6日、定理証明系Lean上の量子プログラムライブラリで、Gemini 4エージェントが形式的な問題仕様に対して新しい量子プログラムを合成し、正しさとコストを証明する探索手法を発表した(arXiv:2611.09822)。既存のベースライン比で、並列探索の期待オラクルラウンド数を最大2.55倍、固定点arcsinの時間空間コストを290倍改善したと著者が報告している。数値は論文上の回路コスト指標であり、量子コンピュータ実機の処理速度ではない。

論文は2026年11月6日にarXivで公開され、11月9日に改訂された。筆頭著者はSergey Shirobokov、最終著者はPushmeet Kohliで、著者は25名。所属はGoogle DeepMindとする筆頭著者の表記が論文にあり、量子アルゴリズムとAI研究の両方に関わる人員構成である。量子アルゴリズムの改良は、量子コンピュータが科学の難問を解ける時期を左右する要素だが、従来は専門家による長年の協働で進められてきた。量子回路は古典計算機での厳密なシミュレーションが規模とともに難しく、生成AIが数学や計算機科学で示してきた自動発見の手法をそのまま適用できない。

「Lean定理証明系に量子プログラムライブラリを構築した。そこではGemini 4エージェントが形式的な問題仕様に対して新しいプログラムを合成し、その正しさとコストを検証する。」

we build a quantum program library in the Lean theorem prover in which Gemini 4 agents synthesize novel programs against formal problem specifications and verify their correctness and cost

arXiv:2611.09822 要旨

仕様の固定、証明、外部検証で探索を支える

手法の中核は、問題をLeanの形式的仕様として先に固定することにある。研究者は実行前に仕様をレビューし、以後はエージェントがその仕様に対して量子プログラムを合成する。エージェントは作業領域のファイルを自由に変更できるため、定理の主張を弱めたり定義や公理を加えたりする抜け道があり得る。これを防ぐため、外部の検証器がLean Comparatorで全ての提出物を凍結された仕様と照らし、対象の定理、基礎となる定義、許容される公理が変更されていないことを機械的に確認する。著者らは、研究者が信頼すべき点を仕様のレビューだけに縮められると説明する。コストの指標には、誤り訂正後の量子コンピュータで高価なTゲートの数が使われた。

図解量子プログラム自動発見の流れ
  1. 01 研究者

    仕様の固定

    問題をLeanの形式的仕様として書き、実行前にレビューする

  2. 02 Gemini 4エージェントチーム

    プログラムの合成

    仕様を満たす量子プログラムを候補として作る

  3. 03 Leanカーネル

    証明の検査

    正しさとコストの証明を機械的に確認する

  4. 04 Lean Comparator

    改変の監査

    定理・定義・公理が凍結した仕様から変わっていないか調べる

  5. 05 wiki・会議

    知識の共有

    検証済みの最良解や教訓を共有し、会議で提案を批評する

arXiv:2611.09822のFig.1と本文に基づく。会議で出た未検証の推測は、検証されて初めて結果として数えられると本文に記載がある。

5つの問題で既存ベースラインを上回る回路コスト

論文は、固定点arcsinの計算、並列Grover探索、シトクロムP450のエネルギー準位、核融合のアルファ粒子阻止能、非ボルン・オッペンハイマー分子動力学の5つの問題で結果を示す。要旨は改善を並列探索の最大2.55倍、量子算術の290倍、核融合・光化学・薬物代謝関連のシミュレーションで11倍・8倍・2.5倍と要約し、本文はより細かい値として10.9倍・8.08倍・2.49倍を挙げる。290倍は固定点arcsinの時間空間コストの削減で、Tゲート数はベースラインの区分多項式法の約1.08×10^8から約3.70×10^5に減っている。

図解著者報告のベースライン比改善
  • 並列Grover探索

    改善倍率
    最大2.55倍
    測定対象
    期待オラクルラウンド数の削減
  • 固定点arcsin(量子算術)

    改善倍率
    290倍
    測定対象
    時間空間コスト。Tゲート約1.08×10^8→約3.70×10^5
  • 核融合関連(アルファ粒子阻止能)

    改善倍率
    10.9倍
    測定対象
    シミュレーションの回路コスト
  • 光化学関連(非ボルン・オッペンハイマー分子動力学)

    改善倍率
    8.08倍
    測定対象
    同じくシミュレーションの回路コスト
  • 薬物代謝関連(シトクロムP450)

    改善倍率
    2.49倍
    測定対象
    同じくシミュレーションの回路コスト

arXiv:2611.09822本文の著者報告値。要旨は2.55倍・290倍・11倍・8倍・2.5倍と概数で表記。いずれも論文上のアルゴリズム・回路コスト指標であり、量子コンピュータ実機の処理速度や製品性能を示すものではない。

複数チームのwikiと会議、検証されて初めて結果

探索は複数の異種エージェントチームで並行して進む。wikiには各問題の検証済み最良解、再利用できるLeanの補題、有望な発想と行き詰まりの記録が保存され、新しく立ち上がったチームはwikiの最良解から始められる。チームは予定されたフォーラム形式の会議で提案を批評し、未検証の推測を議論するが、推測は検証されて初めて結果として数えられる。共有開始以降の改善の寄与を全シミュレーション問題の合計で見ると、チーム内のエージェントが61%、チーム間のwikiが15%、会議が24%と論文は図示している。

論文はプレプリントであり、独立した査読や再現の完了を意味しない。研究用コードや証明成果物の全面的な公開を示す記述は今回確認できず、本文が参照する公開データセットは入力テンソルに関する別の研究資料である。改善倍率は全て著者によるベースライン比較であり、実機での誤り訂正や物理ゲートの制約を含んだ評価は示されていない。

出典

  1. Discovering formally verified quantum programs with AI(arXiv:2611.09822 要旨・提出履歴)公開日2026年11月6日、改訂11月9日、著者25名、要旨の改善倍率(2.55倍・290倍・11倍・8倍・2.5倍)と手法の要約
  2. Discovering formally verified quantum programs with AI(arXiv本文HTML)固定点arcsinの290倍の内訳(Tゲート約1.08×10^8→約3.70×10^5)、5つの問題と10.9倍・8.08倍・2.49倍、wiki・会議・Lean Comparatorの仕組み、寄与の内訳61%・15%・24%

出典の確認日 2026.11.11

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. Google DeepMind、気象AIの基盤データSatWeaveとPARDIGを公開――17チャンネルの全球衛星モザイクと15分刻みの降水量推定、履歴アーカイブとライブ配信を解放

    Google DeepMindのWeatherNextチームは2026年11月13日、同社の気象AI「WeatherNext 3」を支える2つの基盤データセットSatWeaveとPARDIGの公開を発表した(Google DeepMindブログ)。SatWeaveは静止気象衛星の画像を可視・水蒸気・赤外の17チャンネルに統合した全球モザイクで、毎時更新のライブフィードと10年超の歴史アーカイブを公開する(ブログ本文は衛星を5基、動画キャプションは6基と表記していて食い違う)。PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)は、NASAのGPM衛星の疎な星載レーダー観測を教師信号に、SatWeave画像とECMWF大気場を入力として学習したAI降水量推定データで、0.1度(約10km)・15分刻み、平均約5時間の遅延で更新する。米国・欧州・日本のレーダー網と世界3万6,000超の地上観測所での評価では、NASAのIMERG-Finalを含む主要ベースラインをすべての降水強度と地域で上回り、弱〜中程度の降水の毎時検出スキルはIMERG-Finalより30%超改善したとGoogleは発表している。PARDIGの1999〜2026年履歴と双方のライブ配信はGoogle Cloud Storageで、PARDIG履歴はGoogle Earth Engineでも入手できる。30%超は発表元の限定的な比較値で、第三者検証はまだない。

    記事を読む
  2. Google DeepMindがAlphaGenome 2を発表 DNA配列に細胞型・状態の条件を組み合わせ、28免疫細胞型の評価で原因変異の検出を16%から30%へ(著者報告)

    Google DeepMindは2026年11月11日、DNA配列(最大100万塩基)に細胞型・細胞状態の条件を入力できる次世代の配列モデルAlphaGenome 2を発表した。ヒトとマウスのバルク・単一細胞データを用い、1億700万超のヒト単一細胞RNA配列データ(68組織)で学習し、DNAメチル化の予測を新たに加えた。28の免疫細胞型を含むTenK10Kデータセットの評価では、単一細胞データで追加調整した初代AlphaGenomeに比べて原因変異の検出が16%から30%、遺伝子発現効果の向きの予測が23%から43%になったと著者は報告する。APIとColabノートブックを非商用研究向けに公開し、商用研究は限定プレビュー。臨床・診断用途には使えないとしている。数値は著者の比較結果で、第三者検証はまだない。

    記事を読む
  3. Google DeepMind、Signalの暗号実装を機械語レベルで形式検証 AIエージェントが約650万行のLean証明を生成

    Google DeepMindは2026年11月10日、AIエージェントでソフトウェアを深部まで形式検証する新フレームワーク「AlphaProof Code」を発表し、Signalプロトコルの基盤実装libsignalのセキュリティをコンパイル済みバイナリの機械語レベルまで数学的に証明したと公表しました。対象はlibsignal v0.105.4とSPQR v1.6.0の1対1セッションで、生成されたLean証明は約650万行、人が読んで信頼する部分は約2.6万行です。証明と仕様はApache 2.0で公開されました。

    記事を読む