著者：クロード、シンチャオ TechFlow
深潮導読：NVIDIAは4月14日の「世界量子の日」に、世界初のオープンソース量子AIモデルファミリー「Ising」を発表。エラー訂正デコード速度は業界標準比で2.5倍、精度は3倍向上。
量子関連株が当日一斉に急騰し、IonQは18%、D-Waveは15%上昇しました。同日、チーフサイエンティストのWilliam DallyはGTC 2026で、AIによってチップ標準セルライブラリの移植作業が8人10か月から1枚のGPUで一晩で完了するようになり、設計結果が人間の作業を上回ったことを明らかにしました。
NVIDIAは、AIを活用して、量子コンピューターを実用化することと、GPU設計自体をより速く、より良くすることという、最も難しい2つの工学的課題を加速しています。
4月14日「世界量子の日」に、NVIDIAは量子計算向けの世界初のオープンソースAIモデルファミリー「NVIDIA Ising」を発表し、量子関連銘柄は一斉に上昇した。同時に、同社のチーフサイエンティストであるWilliam DallyはGTC 2026で、AIがNVIDIAの内部チップ設計プロセスに導入された最新の進展を明らかにし、そのうち一つのタスクでは効率が数百倍に向上した。
二つの手がかりは同じ結論を示している：AIは「アプリケーション層のツール」から「インフラの基盤」へと変化しており、下流産業（量子計算）を加速するとともに、AI自身のハードウェアのイテレーションも加速している。
世界初のオープンソース量子AIモデルが、量子計算の2つのボトルネックに焦点を当てます
エヌビディアの4月14日付のプレスリリースによると、イジングモデルファミリーの最初の2つのモデルドメインは、イジングキャリブレーションとイジングデコードであり、それぞれ量子計算の実用化における2つの主要なボトルネックに対応しています。
量子プロセッサの量子ビット（qubit）はもともとノイズを含んでおり、現在最も優れた量子プロセッサでは約1000回の演算に1回のエラーが発生します。量子コンピュータに実用価値を持たせるには、エラーレートを兆分の1以下に低下させる必要があります。
Ising Calibrationは、350億パラメータを有する視覚言語モデルで、量子プロセッサの測定データを自動的に解釈し、キャリブレーションの意思決定を行います。これにより、従来数日かかっていたキャリブレーションプロセスが数時間に短縮されます。一方、Ising Decodingは、速度と精度をそれぞれ最適化した2つの3D畳み込みニューラルネットワークモデルで、量子エラー訂正のリアルタイムデコードに使用され、現在のオープンソース業界標準であるpyMatchingと比較して、2.5倍速く、3倍高い精度を実現しています。
英語の量子製品ディレクター、サム・スタンウィックは、発表会でオープンソース戦略の論理を説明した：量子ハードウェアベンダーごとにノイズ特性が異なるため、オープンソースモデルにより、各社はローカルで独自のデータを使って微調整が可能になり、性能を向上させると同時に機密データを保護できる。
NVIDIAのCEO、ジェンスン・ホアンは、より直接的な発言を行い、声明の中でAIが量子機械の制御平面となり、脆弱なキュービットを拡張可能で信頼性の高い量子GPUシステムに変換すると述べました。
エヌビディアの開示によると、ハーバード大学工学・応用科学学院、フェルミ国立加速器研究所、IQM Quantum Computers、ローレンス・バークレー国立研究所、英国国家物理研究所など、複数の機関が既にイジングモデルを採用しています。
量子関連銘柄が一斉に急騰、IonQが1日で18%急上昇
Isingのリリース当日、米国株式市場の量子関連銘柄が一斉に急騰した。Yahoo Financeのデータによると、IonQは当日約18%上昇、D-Wave Quantumは約15%上昇、Rigetti Computingは約12%上昇した。
この上昇局面の背景には、量子関連銘柄が年初以来広範にわたって大幅に調整されている状況があります。4月14日までに、IonQは年内で約22%下落、D-Waveは約35%下落、Rigettiは約23%下落しました。当日の両桁の反発は年内の下落トレンドを変えることはできませんでしたが、一斉に連動した幅は注目に値します。
この行情の推進要因は、Isingの発表だけではないことに注意が必要です。IonQは同日、量子ネットワークのマイルストーン進展とDARPAとの契約を発表し、Rigettiにはインド高度計算開発センター（C-DAC）からの840万ドルの注文情報がありました。複数のカタリストが重なり、セクター全体の効果を拡大しました。
分析機関Resonanceは、2030年までに世界の量子計算市場規模が110億ドルを超えると予測しています。同日、量子経済開発コンソーシアム（QED-C）が発表した報告書によると、2025年の世界の量子市場は19億ドルに達し、純粋な量子企業の従業員数は14%増加しました。
80人月を一夜で圧縮：AIがNVIDIAチップ設計プロセスを再構築
Isingは外部産業の加速を指向し、NVIDIAは内部でAIを用いて自社のチップ設計プロセスを再構築している。
NVIDIAのチーフサイエンティストであるWilliam Dallyは、GTC 2026でGoogleのチーフサイエンティストであるJeff Deanとの対談の中で、複数の具体的な事例を明らかにした。最も衝撃的なデータは、標準セルライブラリの移植に関するものだ：NVIDIAが新しい半導体プロセス（例：7ナノメートルから5ナノメートル）に移行するたびに、約2500〜3000個の標準セルを新プロセスに合わせて再設計する必要があり、以前は8人のエンジニアが約10ヶ月を要していた。NVIDIAは、強化学習ツール「NVCell」を開発し、現在では1枚のGPU上で一晩でこの作業を完了でき、生成されたセルは面積、消費電力、遅延などの指標において人間の設計と同等、あるいはそれ以上に優れている。
Tom's Hardwareの報道によると、Dallyはこのプロセスを「設計ルールのエラーを修正するビデオゲーム」に例え、強化学習はこのような試行錯誤による最適化に長けていると述べた。
より高い抽象レベルで、NVIDIAは内部専用の大規模言語モデル「Chip Nemo」と「Bug Nemo」を開発しました。これらのモデルは、NVIDIAが30年にわたり蓄積した独自データに基づいて微調整されており、同社歴代のすべてのGPUのRTLコード、ハードウェア設計ドキュメント、アーキテクチャ仕様をカバーしています。Dallyによると、ジェニアエンジニアはChip Nemoに直接質問することで、シニアデザイナーに繰り返し干渉する必要がなくなります。彼はChip Nemoを「非常に忍耐強いメンター」と表現しています。
回路最適化のレベルで、NVIDIAはキャリープリビュー・チェーンなどの古典的な回路設計問題に強化学習を適用しました。Dallyは、AIが生成した設計案が「人間が決して思いつかないような奇妙な方案だが、実際の性能は人間が設計したものの20〜30％優れている」と述べています。
AIが自らチップを設計するにはまだ長い道のりがある
しかしDallyは、期待の境界を明確に定めました。彼はエンドツーエンドの状態を実現したいと考えていますが、現在その目標にはまだ遠いと述べました。
NVIDIAの現在のAIチップ設計は、補助的なものであり、代替ではありません。AIは標準ユニットの移植、バグの分類と要約、配置配線の予測、アーキテクチャ空間の探索などの各段階で活用されていますが、まだ完全なエンドツーエンド自動化プロセスには至っていません。Dallyが描く長期的な方向性は、複数のエージェントモデルであり、異なるAIシステムが設計の各段階を担当し、人間のエンジニアチームの役割分担に似た形になります。
Computer Weeklyの報道によると、DallyとDeanの対話では、AIエージェントが従来のソフトウェアツールに与える影響についても議論されました。AIエージェントの動作速度が人間をはるかに上回る場合、人間ユーザーを対象に設計された従来のソフトウェアツールはパフォーマンスのボトルネックとなり、プログラミングツールからビジネスアプリケーションまで、すべてを再設計する必要が生じます。