量子コンピューティングには、大きな問題が山積みだ。例えば、爆発しない量子ビットを十分に作れるのか？という問題。しかし、もっと日常的な問題もある。較正だ。超伝導量子ビット（グーグルなどが使っている種類）は、それぞれ微妙な個性を持つ雪の結晶のようなものだ。制御するマイクロ波パルスは、ハードウェアが熱くなるとドリフトする。通常は、すべてを停止して再較正する。これは短い計算には問題ないが、暗号を解読したり癌を治療したりするようなマラソンアルゴリズムには向かない。

グーグルの解決策？既に収集されている誤り訂正データを使って較正ドリフトを検出し、強化学習で約1,000の制御パラメータをその場で微調整する。論文では、計算中にすべての制御パラメータに小さな摂動を意図的に加えると説明している。まるでシェフがスープを煮込みながら味見をするように。システムは、どの調整が誤りを最小化するかを推論し、論理量子ビットの誤り訂正を管理しながら行う。

チームは、異なる誤り訂正方式（表面符号とカラー符号）を用いた2つの論理量子ビットでテストし、能動的強化学習により誤り検出が20%向上することを確認した。ただし、ドリフトが小さい場合にのみ機能するという制約がある。大きな変動はシステムを混乱させる。しかし、常に再評価することで、探索（最適でない設定を試す）と活用（うまくいく設定に固執する）のトレードオフは、ドリフトが十分に遅い限り、実際に報われる。シミュレーションでは、約40,000のパラメータを持つシステムでも機能することが示された。

これは、今日のおもちゃのような量子コンピュータには関係ない。ドリフトする時間もほとんどないからだ。しかし、コーヒーブレイクより長いアルゴリズムを実行するマシンがいつかできれば、この技術が脱線を防ぐかもしれない。論文はNature、2026年。