Skip to content
K
KGAIT Solutions
返回项目列表
量子计算Research

QFAULTTOL-SHIRAITO — 容错量子计算就绪研究

QFAULTTOL-SHIRAITO — Fault-Tolerant Quantum Readiness Study

面向表面码与 LDPC 码等量子纠错的研发学习基础设施,全部基于古典仿真验证。

2026 长期研发 2026-05
#quantum#ftqc#surface-code#resource-estimation#research

在线演示

实际应用界面预览

DEMO
app.qfaulttol.jp/dashboard

FTQC 資源推定 (Resource Estimation)

古典シミュレーション上の Surface code + T-gate 資源計算 · Azure Quantum Resource Estimator 準拠パラメータ · Gidney & Ekerå (2021) に基づく RSA-2048 モデル

保守的シナリオRSA-2048 因数分解

物理量子ビット

2.0 × 10⁷

論理 qubit6,200
実行時間~8 時間

p = 1e-3, d = 27, サイクル 1 μs

中位シナリオRSA-2048 因数分解

物理量子ビット

4.0 × 10⁷

論理 qubit4,500
実行時間~6 時間

p = 5e-4, d = 25, サイクル 0.5 μs

楽観的シナリオRSA-2048 因数分解

物理量子ビット

8.0 × 10⁷

論理 qubit3,000
実行時間~2 時間

p = 1e-4, d = 25, サイクル 0.1 μs

Surface Code シミュレーション パラメータ

コード距離

d = 25

論理誤り率 ~1e-15

物理誤り率

p = 1e-4

閾値 p_th ~ 1e-2

論理比率

≈ 4,000 : 1

物理:論理

マジック状態

蒸留 15-to-1

T factory 必須

d = 25 Surface code 格子 (概念図 · 簡略化)

データ qubit (淡色) / 測定 qubit (濃色) · 交互配置

FTQC ロードマップ 2026–2035

2026NISQ 実用限界
2027早期 FTQC プロトタイプ
2028数十論理量子ビット
2029数百論理量子ビット
20301,000 論理 qubits (予測)
2031化学・材料実用
2032暗号脅威 (保守的)
2033金融・最適化 FTQC
2034Shor-2048 初実行候補
2035FTQC 産業運用
暗号脅威タイムライン (中位)

T-ゲート予算 (10 アルゴリズム)

マジック状態依存
アルゴリズムT-countT-depth区分
Shor RSA-20483.0e92.7e9FTQC 要件
Shor ECC-2561.2e91.1e9FTQC 要件
Grover AES-1282.4e131.2e12理論的脅威
Grover AES-2561.4e176.9e15実用的脅威なし
HHL (線形系)1.8e71.0e7早期 FTQC
QPE (化学)4.5e82.2e8早期 FTQC
Hamiltonian Sim7.2e83.6e8早期 FTQC
LCU (ab initio)1.1e105.5e9後期 FTQC
QSP (行列関数)9.0e84.5e8早期 FTQC
Regev 改良 Shor1.8e91.6e9FTQC 要件
T-count はマジック状態蒸留工場 (15-to-1, 116-to-12) のスループットを直接制約 · 実用 FTQC では T-factory が物理面積の ~70% を占める

挑战

面向 FTQC 时代的公司内部学习与实验环境不足,解码器性能比较缺乏统一基准。

解决方案

基于 Stim 噪声仿真,集成 PyMatching 与神经解码器构建评估测试套件。

成果

  • 自动批量执行表面码 distance 3~9 的仿真
  • 在同一噪声模型下对比 5 种解码器的 logical error rate 曲线
  • 整理 6 篇公司内部学习资料
  • 在不主张量子优越性的前提下发布 FTQC 学习路线图 v0.1
Key Metrics

Measured Impact

対象アルゴリズム

Shor / QPE / 量子化学

対象物理誤り率

10^-3 〜 10^-5

符号距離レンジ

d = 11 〜 27

実機 FTQC 実行

未到来 (長期レディネス評価)

Features

What it does

見積もり

パラメトリック Estimator

物理誤り率・符号距離・T-factory 構成を変数化し、感度分析付きで結果を出力。

アルゴリズム横断比較

Shor / QPE / 量子化学 を同一前提で並べ、リソース要求の桁感を把握する。

誤り訂正

表面符号シミュレーション

stim + pymatching で論理誤り率を測定し、先行研究の閾値と整合確認する。

TRL 追跡

主要ベンダの物理誤り率・qubit 数ロードマップを継続監視し、レポートを半期更新。

Architecture

System Layers

Layered architecture showing components, responsibilities, and data flow.

L1

Layer

Logical Layer

対象アルゴリズムの論理回路から T ゲート数・測定数・深さを抽出する層。

OpenQASM 3論理回路抽出器T 数カウンタ
L2

Layer

Code & Noise

安定化符号シミュレーションで論理誤り率と閾値挙動を評価する層。

stimpymatching表面符号ジェネレータ
L3

Layer

Estimation & Reporting

共通前提セットで物理 qubit 数・実行時間・T-factory 数を横断比較する層。

Azure Resource Estimatorパラメトリックレポート可視化
Development Process

How we built it

Step 1

前提整理

物理誤り率・コードサイクル時間・T-factory モデルの共通前提を文献調査から定義する。

Deliverables

  • 前提ドキュメント
  • 引用リスト
  • パラメータ表
Step 2

論理回路抽出

Shor / QPE / 量子化学の参照実装から T ゲート数・深さを抽出するパイプラインを作る。

Deliverables

  • 抽出スクリプト
  • 結果 CSV
  • 検証ノート
Step 3

符号シミュレーション

stim で符号距離を変化させ、物理誤り率に対する論理誤り率曲線を取得する。

Deliverables

  • stim スクリプト
  • 誤り率曲線
  • 閾値メモ
Step 4

レディネスレポート

Azure Estimator 結果と stim 結果を統合し、TRL / 時期想定付きで社内レポート化する。

Deliverables

  • 社内レポート
  • 比較図表
  • 更新計画
Roadmap

Delivery Timeline

  • Phase 1In Progress2026-05

    見積もり手法整理

    Azure Resource Estimator と論文の見積もり手法を突き合わせ、共通前提セットを定義する。

  • Phase 2Planned2026-12

    アルゴリズム別リソース推定

    Shor / QPE / 量子化学 を対象に、論理 T 数と物理 qubit 数を複数前提で計算する。

  • Phase 3Planned2027-08

    誤り訂正シミュレーション

    stim + pymatching で表面符号の論理誤り率をシミュレーションし、閾値挙動を確認する。

  • Phase 4Planned2028-04

    TRL レポート更新

    ハードウェアロードマップの進捗を反映し、半年ごとに社内レディネスレポートを改訂する。

Team

Who built it

1engineer

Roles

  • 量子アーキテクチャ研究 (兼任)
技术栈

Tools & Platforms

Backend

Python 3.12

Infrastructure

Azure Quantum Resource Estimator

Other

stimpymatchingQiskit 2.xOpenQASM 3NumPySciPymatplotlibJupyterPandasMLflow
上一个项目下一个项目
Build with KGA

正在考虑类似的项目？

我们将为您的业务需求提供最优解决方案。

咨询您的项目