人工知能（AI）とそれを支える インフラは膨大な量の電力を消費しているが、その利用は増える一方である。
量子コンピューティングは、その基盤となるプラットフォームによってはエネルギー面での利点をもたらしうるため、政策立案者や産業界は、最適なエネルギー利用のためにどの量子技術を拡張するかを選択するという課題を負っている。
実証済みの技術であるAIが量子コンピューティングのような新興分野と結びつくことで、アイデアは研究室から市場へより速く移行し、産業の成長の在り方を形作るとともに、私たちの周囲の世界を改善する新たな方法が切り開かれる。
人工知能（AI）は、巨大なデータセンター、超高速ネットワーク、そして密度を増す一方のコンピュートクラスターに支えられ、驚くべき速度でデジタル世界の在り方を変えつつある。AIモデルの新世代ごとに必要とされる処理能力は大幅に増大している。しかし、世界のデジタルインフラはすでに物理的およびエネルギーの限界に近づきつつある。
今日では、最先端のAIチップ1基が一般家庭全体と同程度の電力を消費しうるほか、大規模な学習処理は都市全体と同程度のエネルギーを消費しうる。したがって国際エネルギー機関は、データセンターによる世界の電力消費量が 2030年までにおおよそ倍増すると予測している。
ここから、次の問いが生じる。エネルギー使用量を増やさずに、いかにして計算能力を拡大できるのか。
量子コンピューティングは、部分的な解決策としてしばしば挙げられており、劇的に低いエネルギーコストで、はるかに大きな計算能力をもたらすことが期待されている。しかし、その理由や、どのような場合に当てはまるのかについて十分に説明されることは少なく、大きな違いがあるにもかかわらず、どの量子プラットフォームがキロワット時あたりに最も多くの計算を実現するのかが比較されることもまれである。
現時点で、各国政府と産業界は、拡張可能であるだけでなく、エネルギー面でも拡張可能なアーキテクチャ、すなわち最小のエネルギー消費で最も高い計算能力を提供するアーキテクチャをどれにするかを決定しなければならない。
コンピューターはどのようにエネルギーを使用するのか。
1. 古典コンピューティング
出発点は物理学である。いかなるコンピューターも熱力学の法則に従わなければならない物理システムであるため、情報処理がエネルギーを必要としないことはありえない。その中心にあるのがランダウアーの原理であり、情報が消去されるたびに、最小限のエネルギーが熱として失われなければならないことを示している。これは、いかなる技術によっても回避できない限界である。
この基本的な限界は、古典コンピューターと量子コンピューターを区別する助けとなる。日常的なコンピューティングでは、この限界はエンジニアリング上の非効率性によって覆い隠されているため、私たちがそれを意識することはほとんどない。しかし、問題が複雑になるにつれて、古典アルゴリズムは急速に増加する数の中間ビットを消去しなければならず、原理的にさえ、その最小限のエネルギー使用量は指数関数的に増大しうることを意味する。
2. 量子コンピューティング
量子アルゴリズムは、情報を根本的に異なる方法で扱う。その論理演算は可逆的であり、中間状態を消去するのではなく「計算解除（uncompute）」することを可能にする。これにより、量子コンピューターは、最終的な小さな答えを取り出す前に、多数の可能な解を同時に検討することができる。
同じ複雑な問題について、理論は、適切に設計された量子アルゴリズムに必要な最小エネルギーが、より緩やかに増加することを示している。こうした条件下では、量子コンピューターは単により高速であるだけでなく、指数関数的にエネルギー効率を高めうる。
量子コンピューティングにおいてハードウェア・プラットフォームの選択が重要な理由
これらの熱力学的な利点が意味を持つのは、ハードウェアが計算のエネルギーコストを理論上の限界に近い水準に保つ場合に限られる。量子プロセッサーは、冷却から制御用エレクトロニクスに至るまで、精巧な物理的設備の中に置かれており、実際には、この支援インフラが電力消費の大半を占めることが多い。
プラットフォームが大型の希釈冷凍機に依存するのか、それとも室温付近で動作するのかは、その長期的なエネルギー特性を大きく左右する。エネルギー効率を理解するには、アルゴリズムだけでなく、それらを実装するハードウェア・プラットフォームを比較する必要がある。
1. 超伝導量子コンピューター
超伝導量子コンピューターは、絶対零度に近い温度でのみ動作する回路に依存しており、そのため多段式の希釈冷凍機の中に設置される。
現在のクラウドシステムでは、総消費電力は通常およそ25キロワット（kW）であり、その電力の大部分は量子ビット（キュービット）ではなく、冷却装置および付帯設備に費やされている。
2. 中性原子量子コンピューター
中性原子量子コンピューターは異なる方式で動作する。個々の原子を量子ビットとして用い、超高真空中でレーザービームの配列によって保持し、光パルスによって制御する。室温付近で動作し、ミリケルビン級の極低温技術や、冷凍を必要とする冷却プロセスを必要としない。
数百個の量子ビットを備える既存の中性原子デバイスは、システム全体の消費電力が10kW未満であると報告している。今日の控えめな規模であっても、同程度のプロセッサーサイズを持つ2台の量子コンピューターは、極端な冷却に依存するかどうかによって、消費電力においておよそ3倍の差が生じうる。
大規模化し、物理的な擾乱や運用上のエラーがあっても動作を継続できる、大規模な耐障害性（フォールトトレランス）を備えた将来の量子コンピューターを見据えると、技術ロードマップは、フルスケールの量子コンピューターの電力需要が、アーキテクチャによって最大で2桁分（100倍）の差が生じうることを示唆している。
量子がエネルギー使用を削減できる分野
エネルギー効率の高い量子ハードウェアは、より優れた解決策が実社会のエネルギー使用を直接削減する分野で最も重要である。その最初の利点は計算面にあり、一部のタスクは、古典的なマシンで解く場合よりもはるかに少ないエネルギーで解決できる。
同様に重要なのは、量子コンピューティングが、より環境に配慮した持続可能な未来を設計し、運用するのに役立つ可能性があることである。特に、風力発電所のレイアウトや再生可能エネルギー発電量の予測から、交通計画や交通管理に至るまで、最適化の課題が数多く存在するエネルギーシステムやモビリティの分野で有用である。
ここでは、量子アルゴリズムに必要な電力は、システム全体で見込まれる節約量と比べればわずかであり、そのため、わずかな改善であっても資源使用量と排出量の大幅な削減をもたらしうる。
材料科学と化学は、もう一つの有力な道筋を提供する。すなわち、エネルギー貯蔵、水素、産業プロセスのためのより優れた電池、触媒、膜であるが、重要な多くのシミュレーションは依然として古典的なハードウェアの能力を超えている。
多くの電池や産業用材料は複雑すぎて、今日のコンピューターでは正確にシミュレーションできない。量子コンピューティングは、それらをより忠実にモデル化し、より優れた電池、より効率的な触媒、損失の少ない膜の開発を加速させることで、全体的なエネルギー需要の削減に寄与できる。
これらの進歩はAIにも波及する。大規模モデルの学習と提供は、相互に絡み合ったハードウェア、ソフトウェア、アーキテクチャの多くの選択に依存しており、そのエネルギー使用量は増加しつつある。
将来のシステムが、より少ない演算数とタスクごとのより少ないエネルギーで、同等以上の性能を提供できるよう、量子に着想を得た最適化や量子ベースの最適化が模索されている。
量子コンピューターがフロンティアモデルの学習を大幅に高速化するかどうかは依然として未解決の問いであるが、量子ツールを用いてAIのワークフローを効率化することは、すでに有望な方向性である。
必要不可欠な道筋としての量子
世界の計算需要が加速する中で、量子コンピューティングは、ニッチな研究分野としてではなく、エネルギー消費を増大させることなくデジタルの進歩を持続させるための必要不可欠な道筋として捉えられるべきである。
この可能性を実現するには、研究、産業界、公共部門にまたがる大規模で協調的な取り組みに加え、大規模なエラー訂正などの主要な技術的課題に対処するための、持続的な官民投資が必要である。
効率性に加え、量子処理は複雑性を掌握する新たな方法を提供し、デジタル経済のアーキテクチャを再定義する可能性を秘めている。この未来が環境的に実現可能であるかどうかは、今日の意思決定にかかっている。
各国政府と産業界は次のように問わなければならない。デジタル世界を高い電力需要に縛りつけることなく拡張できる技術はどれか。
エネルギー効率を戦略的優先事項とするのであれば、それは研究資金の提供からインフラ計画に至るまで、量子エコシステム全体の中核的な設計原則として組み込まれなければならない。そうして初めて、量子コンピューティングはAIとともに発展しつつ、デジタルの未来を物理世界の限界の内側に保つことができる。
