ProVision

 View Only

半導体、量子、AIなどの先端テクノロジーの研究開発と社会実装(vol99-0008-ibm)

By IBM ProVision posted Tue July 04, 2023 09:53 PM

  
AI、量子コンピューター、半導体など、さまざまな技術が世界を大きく変えつつあるなか、産官学の分野横断的な共創は必要不可欠です。
社会実装を目指し、IBMが共創を推進している先端技術とは?
はじめに
今私たちは、AI、量子コンピューター、半導体の微細化などの分野で各種新技術がそれぞれ世界を大きく変えつつあるエキサイティングな時代に立ち会っています。さらに今後、近い将来にこれらのシナジーが人の生活とITの関係を劇的に変えることが期待されます。そのような新時代が、多くの社会問題が解決された真に明るい時代として早くやってくるように、今私たちは新技術の社会的な価値を見据えながら、産官学の分野横断的な共創によって研究開発と社会実装を進めていく必要があります。また、多くの企業にとって、ITの新技術が経営にもたらすインパクトが早く大きく現れるようになってきており、ITベンダーが新技術をソリューションに組み込んで提案してくるのを待つだけではない、従来とは違った新技術との付き合い方が企業に求められる時代になっています。本稿では各分野の注目技術を紹介するだけでなく、新技術研究開発の共創についても説明します。

未来のITへのアプローチ
本シリーズ「IBMの5つの価値共創領域を構成する重要技術」のここまでで扱ってきた重要領域[I,II,III]で加速度的に進むデジタル化は私たちの生活をより良くしてくれることが期待されますが、一方で処理しなければならないデータ量が日々、劇的に増加しています。トレーサビリティー・ソリューションが商品の物流と共に生み出すデータや、世界で何十億台にもなる電気自動車やIoT機器がその顕著な例です。この膨大なデータを処理する計算能力の供給が世界全体で必要ですが、ただコンピューターを増やすだけでは、社会問題を解決するための情報処理それ自体が環境負荷の点で社会問題になってしまいます。今まで以上に高度な情報処理を、高い電力消費効率で実現する、さまざまな革新的技術が求められています。
一方で、一つの新技術が一つの既存技術を置き換えるだけでは、社会に起こす変化は限定されます。新技術の周辺技術や、その最終製品の設計から需要喚起、さらには各段階で新技術や新製品を活かす人々のスキルなども含めてタイミング良くそれらの準備が整わないと、せっかくの新技術が社会に実を結ばず、たち消えてしまうこともあります。これに対して、一社・一団体でできることは非常に限られますので、大きな技術革新の社会実装には複数の政府の関連機関、大学、企業の協業がどうしても必要です。産学の共同研究といえば、かつては一方向的な技術移転が中心でしたが近年は、多数の機関が知識、データ、スキルなどの資源を相互に提供しながら協力するコミュニティーによって、イノベーションをさらに加速させることができると考えられています。IBMはそのような考え方によって、AIについてはMIT IBM Watson AI Lab[1]、半導体について AI Hardware Center[2]、量子コンピューターについては IBM Quantum Network[3]というパートナー・プログラムを作り、パートナーをますます増やしながら最先端の研究とその社会実装を共創しています。こういった取り組みに重要なのは、コラボレーションを可能にするプラットフォームの共通化と相互接続、そのための仮想化技術やオープン技術の利用と、関係者の権利や利益を適切に守りつつ共有を進める枠組みなどです(Science & Technology Outlook 2021[4] 内 "Communities of Discovery" )。

ビット/ニューロン/量子ビット
コンピューターは、情報の単位として0か1の値をとるビットを、より多く処理できる方向へ進歩を続けてきました。それに対して2010年頃から、脳神経細胞のニューロンを模した人工ニューラル・ネットワークを用いたAI技術に大きな発展が続いています。さらに今、0と1の重ね合わせの量子状態を取り扱うことができる量子ビット(Qubit)を情報の単位として扱う量子コンピューターが大きく進歩しています。ニューロンや量子ビットは決してビットを置き換えるものではなく、異なる種類の問題に適した処理単位です。以降ではまず,それぞれの分野でどのようなことが起きているかを述べ、その後にそれらに期待されるシナジーについて説明します。

(a)    ビット(古典コンピューター)
古典コンピューター、すなわち現在一般的に使われているコンピューターの演算を支える、最も基本的な仕組みが半導体を用いたトランジスターです。トランジスターには、1974年にIBM fellowのロバート・デナードらが示した、微細化によって高速化と省電力化が実現できるという法則(スケーリング則 [5])が知られています。微細化の最先端テクノロジーとして2021年にIBMは、ナノシート構造を利用して2ナノメートル・スケールの半導体技術を開発した事を発表しました[6]。この技術によって、それまでの最先端であった7ナノメートルの半導体チップに対して45%高い計算能力、あるいは75%の消費電力削減が実現されます.現在広く使われている20ナノメートルと比較すると、私たちの試算によれば3.2倍の高速化と92%の消費電力の削減に相当します。そして2ナノメートルはまだ微細化・高集積化の終着点ではありません。2ナノを超えるサブナノ・レベルの微細化が数年で実現することをIBMは既に見込んでいます[7]。一方で、このような高度な集積化と複雑化を伴う半導体チップの設計開発は難しく、非常に多くのコストやスキルが必要とされます。さらには、階層的で複雑な半導体の製造工程そのものも効率化するような管理システムも今後ますます高度化されるようになるでしょう[8]。
では微細化によって何が可能になるのでしょうか。高度に微細化された半導体を活用すれば、コンピューターの小型化が進みARグラスやスマートウォッチなどのウェアラブルデバイスが軽量・高性能化するだけでなく、スマート・コンタクトレンズのような新しいデバイスの実現、ビルや橋など社会インフラや人体への高性能なセンサーの埋め込みといった新しい用途も広がり、これまで半導体デバイスをあまり活用していなかった分野でも新しいビジネスが生まれる可能性が十二分にあります。これからの新しい半導体開発には、新しい最終製品とそのユースケースまでを含んだ広い視野が必要です。コンセプト設計から製造、マーケティング、人材確保に至るまで、IBMは業界横断的に産官学のパートナーの皆様と協力して進めてまいります。

(b)    ニューロン (AI)
AIは深層ニューラル・ネットワーク(DNN)の利用で急激な進歩を遂げました。DNNは生物の脳をコンピューター上で模擬した、機械学習のアルゴリズムの一種で、刺激を受けて発火する大量のニューロンで構成されています。機械学習ではルールやプログラムを人間が作り込まなくても、データ処理方法をデータから学習することができますが、当初はAIに学習させたい処理作業ごとに大量のデータを集め、手作業で正解ラベルを準備しなければなりませんでした。近年、基盤モデル(ファウンデーション・モデル[9])と呼ばれるAIを、インターネットから収集したデータで自動的に学習させて作ることができるようになりました。特に人間の言語についての基盤モデルを大規模言語モデルと呼びますが、ひとつのモデルに複数の言語についての汎用な知識を蓄えることが可能で、比較的少ないデータで大規模言語モデルをチューニングすれば、たとえば英語での質問応答や、日本語での文書分類、自動翻訳などの作業をする様々なAIを作ることができます。特に、非常に流暢に受け答えをして、幅広い話題について回答できるということで今話題を集めているのが、GPT-3.5やGPT-4という大規模言語モデルをチューニングして作られたOpenAIの ChatGPTというチャットAIシステムです[10]。これまでAIの利用は人間の一部の作業を部分的に置き換えるに留まっていましたが、これからAIの利用を前提として業務プロセスの再設計が進むAIファーストの時代に入っていくものと予想されます。そのようなAIの本格利用のためにはまだ課題が残っています。AIの生成する情報が正確であること、バイアスを出力しないこと、透明性や説明可能性、データ・プライバシーを侵害しないことなどAIを信頼して利用するために必要な要件[11,12,13]に加え、自社の知識に基づいた回答ができること、自社の知識を蓄積できること、ビジネス・プロセスとの連携、計算負荷などビジネスの要件もあります。IBMは企業が基盤モデルを安心して効率的に利用し、自社を差別化するビジネス価値をAIで創造することを可能にするフレームワークとして IBM watsonxを発表しました[14]。このプラットフォーム[15]は、MIT-IBM Watson AI LabやIBM Researchで開発された独自技術、問題のあるデータを丁寧に取り除くことでビジネス利用に適したデータセット、それを使って学習された各種基盤モデルといったIBM独自の付加価値を提供すると同時に、オープン・イノベーションの考え方で設計されており、オープンソース・コミュニティーで開発された最先端技術や無数の基盤モデルをユーザーが容易に利用して、イノベーションを加速することを特徴としています。基盤モデルは自然言語だけが対象ではなく、プログラミング言語[16]、さまざまな型が混在する表形式データ[17]、化学物質[18]、地球観測データ[19]などを対象とした研究も行われています。さらに、IBMでは非ノイマン型アーキテクチャを持ったアナログAIコア[20]を含むAIハードウェア[21]までに至る、基盤モデルを活用するシステムのフルスタックの研究開発[22]を行なっています。セキュリティーや規制の観点からデータを一箇所のコンピューターに集めることができない状況でも、データを暗号化した状態や元のデータが復元できない統計量の状態でデータを集め処理することによってAIモデルの学習をする連合学習[23]や完全準同型暗号[24]を用いた学習などの手法も研究が進んでいます。

(c)    量子ビット(量子コンピューター)
量子コンピューターは、現在のコンピューターとは全く異なる原理で動作し、異次元の性能を発揮することが理論的に示されており、最適化、機械学習、シミュレーションといった領域での応用が期待されています。IBMはロード・マップを発表し[25]、実用化に向けた研究開発を強力に推進しています。量子コンピューターの性能の指標の1つは、スケール、すなわち量子ビットの数になりますが、2022年に433量子ビットのIBM Quantum Ospreyプロセッサーを発表しました[26]。2023年には1,000量子ビット超のCondorプロセッサー、2025年には4,000量子ビット超のKookaburaプロセッサーをリリースする予定です。また、量子プログラミングのためのソフトウェアも鋭意開発しています。Qiskit[27]と呼ばれるオープンソースのソフトウェアで、2023年5月時点で46万人を超える登録ユーザーがいます。現在大いに注力しているのがエラー緩和の理論とソフトウェア[28]で、現在のノイズのある量子コンピューターを最大限使いこなし、早期の実用化に貢献することが期待されています 。
日本にもIBMの量子コンピューターが設置されており[29]、東京大学が主導する量子イノベーションイニシアティブ協議会(QIIC[30])のメンバーが専用しています。QIICのメンバーは、実機を使った研究を日夜進めており、金融、化学、最適化などの領域で既に多数の論文が発表されています。現在は27量子ビットのFalconプロセッサー搭載のマシンですが、127量子ビットのEagleプロセッサーを搭載したマシンの導入が発表されています[31]。また、東京大学とIBMは、量子コンピューター・ハードウェア・テストセンターを東京大学の浅野キャンパスに開設しており、量子コンピューターの周辺機器の研究開発を、日本の世界的な材料・部材・機器メーカーと協業して推進しています[32]。最後に、広島のG7サミットにおいて、東京大学、シカゴ大学、IBMは、今後10年間で1億ドルの投資を伴う取り組みについて発表しました[図1. 33]。この取り組みでは、10万量子ビットを搭載した「量子を中心としたスーパーコンピューター」の開発に向け、詳細な青写真を策定し、基礎技術を高め、必要な構成要素の設計および構築を大規模に進めていく予定です。
図1. 量子を中心としたスーパーコンピューター  

(d)    The Future of Computing
これからの時代のコンピューターはどのように変わっていくのでしょうか。得意とする問題分野が異なる(a)から(c)の3種の処理装置は、今後、一つのコンピューターの中に、あるいはネットワーク接続された一つのシステムの中に統合されシナジーを生み出していくことが期待されます[図2. 34]。ビットとニューロンのシナジーの一例が、2022年から既に稼働を始めている最新のメインフレームである z16のTelumプロセッサーです[35]。Telum上でCPUコアと同じチップに搭載されたオンチップAIアクセラレーター(AIU)は、CPUとメモリを共有するため、一連の基幹業務に埋め込まれたAI処理を高速に実行することが可能です[36]。ビットと量子ビットのシナジーについては、量子サーバーレスのプログラミング・モデルをIBMは目指しています[37,38]。これは大規模の問題を、量子回路を利用して解く部分問題と、古典コンピューターを使って扱う問題に分割し結合することで全体の解を構成するという一連の手続きを、ツールキット(Circuit Knitting Toolbox[39])によって簡単化・自動化します。こういった例に見られるように、これからのコンピューターでは、古典コンピューター、AIアクセラレーター、量子コンピューターが自動的に適切に切り替えられて処理が行われるようになります。そのシナジーが要求される応用分野としてたとえば、材料探索(Accelerated Material Discovery[40])があります。新種の伝染病を予防・治療する新薬や、環境問題を解決する炭素吸着や発電・蓄電のための新材料の開発などにおいて、膨大なシミュレーションや最適化、生成AIを駆使する際に効果が期待されます。そしてさらにいずれは、たとえば自動運転された車に乗る時や、スマートフォンから金融機関のサービスを使ったりゲームをするような日常の場面でも、エンドユーザーが気づかないうちに、どこかのデータセンターにある次世代コンピューターの上で量子コンピューターやAIが一連の処理の中で使われるようになっていくことが予想されます。

図2. 次世代のコンピューティングシステムを構成する重要な構成要素

おわりに
今私たちは、およそ80年の歴史を持つノイマン型を超えた、新しいコンピューターの時代を迎えようとしています。そして、本稿で触れた技術は、間もなく現れる画期的な新技術のごく一部にすぎません。一方で、IT技術とその他の分野の境界が曖昧になってきている今日、新技術開発における分野横断的な協業がますます重要になっています。IBMは幅広いパートナーの皆様と協力して、解決したい社会問題を見据えて新技術を研究開発し、より良い社会を実現してまいります。

「IBMの5つの価値共創領域を構成する重要技術」 シリーズ  (全7回)
序章 なぜIBMは 5つの価値共創領域に注力しているのか      山口 明夫 
I.  社会インフラであるITシステム安定稼働の実現  今木 正英、新島 智之、二上 哲也、山崎 洋典
II. ハイブリッドクラウドやAIなどのテクノロジーを活用したDX   二上 哲也、山田 敦、田中 孝、野村 幸平
III. CO2やプラスチック削減などのサステナビリティー・ソリューション 大塚泰子、坂本佳史、磯部博史
IV. 半導体、量子、AIなどの先端テクノロジーの研究開発と社会実装 ( 今号 ) 福田 剛志、小野寺 民也、山道 新太郎、坂本 佳史
V. IT/AI人材の育成と活躍の場 井上裕美、大久保そのみ、國生恭子、服部翔大、松本宗樹、下村 裕美
終章 社会への責任と貢献   2023年前期発行予定

著者
“Fukuda.jpg 福田 剛志
Fukuda Takeshi

日本アイ・ビー・エム株式会社
東京基礎研究所 所長

Onodera.jpg 小野寺民也
Tamiya Onodera

日本アイ・ビー・エム株式会社 東京基礎研究所 副所長
技術理事

Yamamichi.jpg 山道 新太郎
Yamamichi Shintaro

日本アイ・ビー・エム株式会社 東京基礎研究所 セミコンダクター 理事 新川崎事業所長
エレクトロニクス・インダストリーCTO

Sakamoto.jpg 坂本佳史 PH.D.
Sakamoto Yoshifumi

日本アイ・ビー・エム株式会社
技術理事兼エッジコンピューティングCTO, テクノロジー・オーケストレーション担当マネージャー

1991年早稲田大学大学院理工学研究科修士修了。同年 日本アイ・ビー・エム株式会社入社。東京基礎研究所にてオブジェクト指向データベース、データマイニング、機械学習、バイオインフォマティクス、オートノミックコンビューティングなどの研究に従事。1999年早稲田大学より博士号(情報科学)取得。2004年ソフトウェア開発研究所へ異動しデータベース関連ソフトウェアの開発に従事。2012年ソフトウェア製品開発担当理事として国内における全ソフトウェア製品開発を担当。2015年5月より東京基礎研究所所長。

1988年東京大学大学院理学系研究科情報科学専門課程博士課程修了。理学博士。同年日本アイ・ビー・エム(株)入社。以来、同社東京基礎研究所にて、基盤ソフトウェア等の研究開発に従事。現在、同研究所副所長、量子コンピューティング担当部長、同社技術理事。 情報処理学会量子ソフトウェア研究会幹事、ACM (Association of Computing Machinery) Distinguished Scientist、日本ソフトウェア科学会フェロー、量子ICTフォーラム量子コンピュータ技術推進委員会副委員長。

1989年京都大学大学院、電子工学研究科修了後、半導体前工程と後工程に関する研究開発に従事。1997年米国カリフォルニア大バークレー校客員研究員。2013年より日本IBM(株)東京基礎研究所にて勤務。2016年よりサイエンス&テクノロジー部門を担当し、量子コンピュータHWや半導体回路設計・実装技術、材料探索AI等の研究開発を統括。2023年より同研究所セミコンダクター担当理事。工学博士。エレクトロニクス実装学会副会長。

IBM Fellowに続く最高峰の技術系職位であるIBM Distinguished Engineer並びに日本IBMにおけるエッジコンピューティングの最高技術責任者。2014年に九州大学大学院でリバースモデリングとモデルベースシミュレーションを活用した組込みシステム開発手法の研究によりコンピューターサイエンスの博士号を取得。IBMの入社は1985年。これまでパーソナルコンピュータ、組込みシステム、およびASIC/ SoCの設計と開発のエンジニアを担当。その後.ASIC/SoC開発プロジェクトのアーキテクト兼プログラムマネージャーを経てR&D領域でのDXを推進するコンサルティングエンジニアを担当。九州大学大学院システム情報科学府非常勤講師。






 
参考文献
[1]「MIT-IBM Watson AI Lab」, https://mitibmwatsonailab.mit.edu/  (英語).
[2] 「AI Hardware Center」, https://research.ibm.com/collaborate/ai-hardware-center (英語).
[3] 「IBM Quantum Network」, https://www.ibm.com/quantum/network (英語).
[4] 「Science & Technology Outlook 2021」, https://research.ibm.com/downloads/ces_2021/IBMResearch_STO_2021_Whitepaper.pdf (英語). 
[5] 「Dennard Scaling」, https://researcher.watson.ibm.com/researcher/view_group.php?id=7057 (英語). 
[6] 「IBM、世界初の2 nmのチップ・テクノロジーを発表し、半導体における未知の領域を開拓」, https://jp.newsroom.ibm.com/2021-05-07-IBM-unveils-worlds-first-2-nm-chip-technology-pioneering-unknown-territory-in-semiconductors
[7] 「The path to 1 nanometer chips and beyond」, https://research.ibm.com/blog/1nm-chips-vtfet-ruthenium (英語).
[8] 廣内 正豪, 陳 方竹, 「グローバル化している半導体製造をよりインテリジェントかつ高度なモダナイゼーションを可能にするIBM SiView Standard」, https://www.ibm.com/blogs/solutions/jp-ja/ibm-siview-standard/
[9] 立花隆輝, 「基盤モデルとは」, https://www.ibm.com/blogs/think/jp-ja/what-are-foundation-models/
[10] 「OpenAI ChatGPT」, https://chat.openai.com/
[11] 竹田千恵, 阪野 美穂,「AI倫理とは何か?今、企業が取り組むべき課題〜信頼できるAIの実現に向けて〜」, https://www.ibm.com/blogs/smarter-business/business/trustworthy-ai
[12] 「IBM調査:AI倫理の責任は、IT部門からより経営幹部層全般に移行」, https://jp.newsroom.ibm.com/2022-06-08-Responsibility-for-AI-Ethics-Shifts-from-Tech-Silo-to-Broader-Executive-Champions,-says-IBM-Study
[13] 阪野 美穂, 「開発者のためのAI倫理 ~社会のウェルビーイングと企業の成長を促すために理解しておくべきAI倫理の要件とリスク」, https://www.imagazine.co.jp/tec-j-ai-ethic/
[14] 「IBM、ビジネスのための次世代基盤モデルを支える「watsonxプラットフォーム」を発表」, https://jp.newsroom.ibm.com/2023-05-09-IBM-Unveils-the-Watsonx-Platform-to-Power-Next-Generation-Foundation-Models-for-Business
[15] 「watsonx」, https://www.ibm.com/jp-ja/watsonx
[16] 「Continuing the momentum of AI for Code with Project Wisdom」, https://research.ibm.com/blog/ai-for-code-project-wisdom-red-hat (英語). 
[17] 「Tabular Transformers for Modeling Multivariate Time Series」, https://github.com/IBM/TabFormer (英語). 
[18] 「Foundation Model for Material Science」, https://research.ibm.com/publications/foundation-model-for-material-science (英語). 
[19] 「IBMとNASA、AIを活用した気候変動の影響に関する研究で協業開始」, https://jp.newsroom.ibm.com/2023-02-02-IBM-and-NASA-Collaborate-to-Research-Impact-of-Climate-Change-with-AI
[20] 「AIとニューロ・コンピューティングの現在と未来」, https://www.ibm.com/blogs/systems/jp-ja/future-of-computing-neuron/
[21] 「AI Hardware」, https://research.ibm.com/topics/ai-hardware (英語). 
[22] 「A cloud-native, open-source stack for accelerating foundation model innovation」, https://research.ibm.com/blog/openshift-foundation-model-stack (英語). 
[23] 山田 敦, 西上 功一郎, 「デジタルサービス・プラットフォームを強化する連合学習・MLOps (vol98-0002-AI)」, https://community.ibm.com/community/user/japan/blogs/provision-ibm1/2022/05/31/vol98-0002-ai
[24] 「Homomorphic Encryption Services」, https://www.ibm.com/jp-ja/security/services/homomorphic-encryption
[25] 「IBM、実用的な量子コンピューティングの時代に向けた新たなロードマップを発表:4,000 ビット超のシステムの提供を計画」, https://jp.newsroom.ibm.com/2022-05-13-IBM-Unveils-New-Roadmap-to-Practical-Quantum-Computing-Era-Plans-to-Deliver-4,000-Qubit-System
[26] 「IBM、400量子ビット超えの量子プロセッサーと次世代IBM Quantum System Twoを発表」, https://jp.newsroom.ibm.com/2022-11-10-IBM-Unveils-400-Qubit-Plus-Quantum-Processor-and-Next-Generation-IBM-Quantum-System-Two
[27] 「Qiskit」, https://qiskit.org/ (英語).  
[28] 「IBMの量子コンピューターが古典スーパーコンピューターを超える次のステップを実証」, https://jp.newsroom.ibm.com/2023-06-15-IBM-Quantum-Computer-Demonstrates-Next-Step-Towards-Moving-Beyond-Classical-Supercomputing 
[29] 「東京大学とIBM、日本初のゲート型商用量子コンピューターを始動」, https://jp.newsroom.ibm.com/2021-07-27-Launched-Japan-first-gate-type-commercial-quantum-computer
[30] 「量子イノベーションイニシアティブ協議会(QII)」, https://qii.jp/
[31] 「東京大学と日本IBM、127量子ビットのプロセッサーを搭載した量子コンピューターの導入に合意」, https://jp.newsroom.ibm.com/2023-04-21-The-University-of-Tokyo-and-IBM-agree-to-install-a-quantum-computer-with-127-qubit-processor
[32] 「東京大学とIBM、量子コンピューター・ハードウェア・テストセンターを東京大学に開設」, https://jp.newsroom.ibm.com/2021-06-07-The-University-of-Tokyo-and-IBM-Open-Quantum-Computer-Hardware-Test-Center-at-The-University-of-Tokyo
[33] 「IBM、10万量子ビットを搭載した「量子を中心としたスーパーコンピューター」向け新技術の開発に向け、世界の大学と1億ドルの投資に基づくパートナーシップを締結」, https://jp.newsroom.ibm.com/2023-05-21-IBM-Launches-100-Million-Partnership-with-Global-Universities-to-Develop-Novel-Technologies-Towards-a-100,000-Qubit-Quantum-Centric-Supercomputer
[34] 「The Future of Computing: Bits + Neurons + Qubits」, https://ieeexplore.ieee.org/document/9062918, 2020 (英語). 
[35] 「IBM Telumプロセッサー:IBM ZとIBM LinuxONE用の次世代マイクロプロセッサー」, https://www.ibm.com/blogs/systems/jp-ja/ibm-telum-processor-the-next-gen-microprocessor-for-ibm-z-and-ibm-linuxone/
[36] 石井 学, 「サステナブルなITによるDX推進(第5回) z16によるAIを利用した基幹系処理のイノベーション」, https://community.ibm.com/community/user/japan/blogs/provision-ibm1/2023/01/17/vol98-0013-mainframe?CommunityKey=3b96b011-ce63-4591-96d3-e94a4861a3bf&Tab=groupdetails
[37] 「Expanding the IBM Quantum roadmap to anticipate the future of quantum-centric supercomputing」, https://research.ibm.com/blog/ibm-quantum-roadmap-2025 (英語). 
[38] 「Introducing Quantum Serverless, a new programming model for leveraging quantum and classical resources」, https://research.ibm.com/blog/quantum-serverless-programming (英語). 
[39] 「Circuit Knitting Toolbox」, https://github.com/Qiskit-Extensions/circuit-knitting-toolbox (英語). 
[40] 「Materials Discovery」, https://research.ibm.com/topics/materials-discovery (英語). 





#ProVision

0 comments
62 views

Permalink