AIによる量子コンピュータ用レーザーロック：QuEraの自動化方法

すべてに戻る 光を保持する：AIに量子コンピュータのレーザーをロックおよびチューニングさせる方法 2026年8月27日 min read テクノロジー 共有 コピー！ QuEraの量子コンピュータは、正確な周波数のレーザーで動作しています。これは、人間の目には見えず、原子だけが区別できる精度です。レーザーをその状態に維持することは継続的な行為です。温度、振動、圧力は一日中それを目標からずらし、階層化されたフィードバックがそれを元に戻します。フィードバックループが失敗すると、ロックが壊れ、マシンは停止します。それを元に戻すには、歴史的に特定の専門家が必要でした。レーザーを直感的に理解し、それを正しい状態に戻すために必要な正確な回復シーケンスの経験を持つ人物です。夜中にロックが壊れた場合、その人物は研究所に車で駆けつけて修正する必要がありました。 これは新しい問題ではなく、QuEraは一般的な摂動に対する自動再ロック機能を構築してきました。Amazon Braket経由で利用可能な当社のプロダクションQPUであるAquilaは、すでに99%を超える優れた稼働率で稼働しています。しかし、チームは、再ロックにおける人間の関与のレベル、特に頻度は低いがより深刻な摂動に対する関与のレベルはスケーラブルではないことを知っていました。その結果、この春、QuEraはModel Hardware Standard（MHS）を導入しました。これは、AnthropicとHHMI Janelia Research Campusの協力から始まった標準です。学際的なタスクフォースは、再ロックを次のレベル、つまり論理QPUのスケーラブルな展開が要求するレベルに引き上げました。専用のテストベッドでMHSに取り組むことで、人間の設定した安全境界内で約70万ドルの精密ハードウェアの運用制御を行うAIエージェントにより、ロックは数秒で復旧するようになりました。検証済みで、ターゲットに合っており、建物内に誰もいない状態です。そして、同じアプローチはさらに一歩進みました。それは、品質レベルを証明できるレベルまでロック自体をチューニングし、その新しい能力を単一の実行で別の動作波長にまで拡張しました。 結果は有望であり、QuEraが量子コンピュータ全体にAIを基本的なレベルで重ねる計画の氷山の一角にすぎません。 レーザーロックの問題 シーソーに乗ったボールを思い浮かべるのは、AIエージェントが解決していた問題の有用な視覚的アナロジーです。この単純化されたアナロジーでは、ボールの位置がレーザーの周波数です。特定の場所（この例では緑色の領域内）に保持できれば、原子量子ビットを正常に制御できます。 QuEraのシステムでは、論理量子ビットを駆動するレーザーは、±1 kHz以下、約±0.000000001 nm（教育目的の例示的な値）で維持する必要があります。ここでの赤外線レーザーは目に見えず、偽色で表示されています。ボールは揺れます。目には決して見えません。原子だけが違いを認識できます。 図のシーソーは、システム内のアクチュエータのアナロジーです。しかし、課題は、必要な精度が非常に高いため、単一のアクチュエータだけではそれを達成できないことです。複数のアクチュエータが積み重ねられています。大きくて遅いレイヤーは広範囲のドリフトを処理し、徐々に速いレイヤーはより細かいジッターを処理します。これらを組み合わせることで、ボールはゾーンから外れることはありません。 しかし、ひねりがあります。実際のチューニングノブは滑らかではありません。レーザーは、内部フィルター（エタロン、複屈折フィルター）によって形成される特定の波長を好みます。この例では、各ディップはボールが落ち着くことができる固定モードです。そしてここに落とし穴があります：摂動の後、ノブをレベルに戻してもボールは元の場所には戻りません。それは間違ったモードに安定して座り、ロックされているように見えます。 十分に大きな摂動は、ボールを細かいレイヤーの届かないところにまで投げ出し、競合するモードに引き込みます。小さいレイヤーをどれだけチューニングしても、ボールは間違ったロックにとどまります。回復には、ボールを元の場所に戻すためにしきい値を超えて広範囲のノブをスイープし、次にターゲットモードをキャプチャするために素早く緩める必要があります。最後に、ロックは絶対波長基準に対して検証される必要があり、間違ったモードが決して成功と誤認されないようにする必要があります。このプロセスは、Ti:サファイアモードホップ回復として知られています。これは、MHS自動再ロックコントローラーが独自に実行するように構築された判断です。 実際のレーザーシステムでは、すべてのレイヤーが共存しています。複屈折フィルターは、粗く、最も広い範囲のアクチュエータです。そのランドスケープには、いくつかの広く離れたモードがあります。エタロンは、より細かい櫛をその上に配置しています。そして、ピエゾ（滑らかで連続的で最速）が最上部で最終的な微調整を行っています。うまく機能するには、各粗い要素が自身のランドスケープの正しいディップに留まり、細かい要素が滑らかに動き、ボールがゾーンから外れないようにする必要があります。 AIエージェントを構築してレーザーシステムを再ロックする 上記で説明した回復プロセスは、伝統的に、高度なスキルを持つ少数の専門家チームの職人技でした。それを自動化することも一人仕事ではありません。ロックがどのように、そしてなぜ失敗するのかを理解しているレーザーシステムエンジニア、機器をコマンドするソフトウェアエンジニア、回復ロジックのためのアルゴリズムデザイナー、そしてそのロジックを実際のロックが壊れる多くの方法に対してテストするテスターが必要です。まさにその構成のQuEraチームは、以前の手書きの回復スクリプトを構築するために約2〜3週間を費やしましたが、その限界は固定スクリプトの限界でした。それは、作成者が列挙することを考えた障害しか処理できませんでした。 その後、タスクフォースは同じ問題を、MHSを通じてライブテストベッドで動作する単一のAIエージェント、Claudeに委ねました。MHSはエージェントに独自の実験を実行させました。回復を提案し、ハードウェアで試行し、何が起こったかを読み取り、改良する。これは人間のチームが実行するのと同じループですが、連続的に、機械速度で、そして一晩中です。エージェントは、人間が根本的にできないことは何も行いませんでした。同じ機器を監視し、それらが明らかにしたことだけを学びました。違いは規模でした。数百のエッジケース、レーザーが入りうるすべての隣接モード、すべての古いキャリブレーション、すべての間違ったモードの取得を列挙して強化することは、手作業では不合理であり、エージェントはチームが帯域幅を持てない問題の隅々に到達しました。人間はオーケストレーターの席に留まりました。スコープを設定し、すべてのステップを確認し、何が証拠と見なされるかを決定しました。その役割は、より重要になりました。レーザー側の技術チャンピオンであるEvgeny Ostroumovからの厳格な監視は、物理的な現実チェックを提供し、一度ならず、エージェントが正しく見えてそうではなかったことに対して労力を費やす前にそれを捕捉しました。 ロックを妨げた情報（ビームの詰まり、機械的振動、チューニング構成を妨げる電気的ノイズ、大小の周波数ホップ）なしに、コントローラーはライブ機器の状態を読み取り、摂動を分類し、正しい回復を実行し、キャビティ信号がロックを確認し、絶対波長がターゲットと一致した場合にのみ成功を宣言します。エージェントのコードはネイティブ速度で実行され、マイクロ秒サーボループの内部ではなく、その上から監視します。検証では、700回の試行中695回でターゲットに回復しました。7つの摂動クラス全体で99.3%の成功率でした。各クラスで100回の試行が行われました。回復にかかった時間は、波長を維持する障害では0.9〜5.4秒、レーザーの色が大きくホップした最も困難な障害では約10〜14秒でした。これは、人間の専門家が5〜10分かかっていたのと比較すると大幅な短縮です。4つの品質が一緒に証明されました：正確性（間違ったモードのロックを成功と報告することは決してなかった）、自律性（オペレーターなし、障害情報なし）、速度（数秒、数分ではない）、予測可能性（タイトで再現可能な回復時間。無人運用では平均と同じくらい重要です）。5回の失敗は、制御ロジックの問題ではなく、単一の装置条件に起因するものでした。各失敗で、コントローラーは成功を主張しないことを正しく判断し、次の試行の前にロックはターゲットに戻っていました。システムが暗くなった失敗はありませんでした。 検証は注入された障害に限定されませんでした。テストベッドは、意図的な選択として、現実的な通行量のある稼働中のラボに設置されており、パイロット期間中の数週間で、レーザーは独自に43回モードホップしました。すべて43回が自動的に捕捉され、回復されました。 1つの区別が重要であり、私たちはそれを続け続けます。MHSは、Claudeがこのコントローラーを設計、作成、検証した環境です。ベンチで実行されるものは