全部「量子」にすれば強い――わけではなかった。

ヤバりみ！ではこれまで、量子コンピュータを中心に、量子クラウド、量子AI、量子バッテリー、量子インターネット、量子テレポーテーション、量子暗号、量子センシングなどを追いかけてきました。

では、ここで一つ疑問が生まれます。

これまで登場した量子技術を全部つないだら、ものすごい量子コンピュータができるのでは？

量子センサーで世界を測る。

量子ネットワークで情報を送る。

量子テレポーテーションで量子状態を転送する。

量子暗号で通信を守る。

量子AIで判断する。

量子アルゴリズムで最適化する。

さらにデコヒーレンスを監視し、量子バッテリーの概念モデルまで組み込む。

そんなシステムを作ったら、いったい何が起きるのでしょうか。

そこで今回は、第10回へ進む前の特別企画。

これまで扱ってきた量子技術を一つの実験環境へ統合した、

YIQS-01

YABALIMI Integrated Quantum System 01

をPC上に構築しました。

そして実際にコードを動かし、

10,872行

の実験データを生成。

さらに実験終了後には、結果を良く見せるのではなく、

「この数字から本当にそんなことを言っていいのか？」

という最終科学監査まで行いました。

すると――。

当初想像していた「量子技術を全部載せれば最強」という単純な未来とは、かなり違う景色が見えてきました。

---

先に重要な注意

今回作ったYIQS-01は、

PC上で動作する量子情報処理の統合シミュレーションです。

実際の量子コンピュータ（REAL QPU）は使用していません。

したがって今回の記事は、

• 量子優位性を実証した
• 本物の量子インターネットを構築した
• 実物の量子バッテリーを作った
• 時間の矢を操作した
• 万能量子コンピュータを完成させた

という話ではありません。

SIMULATION ONLY。

ここは最初にはっきりさせておきます。

---

9つの量子技術を1つにつないでみる

YIQS-01に組み込んだ研究モジュールは、大きく9分野です。

1. 量子・古典ハイブリッド計算
2. 開放量子系・デコヒーレンス
3. 量子クラウド抽象化
4. 量子機械学習（QML）
5. 量子バッテリー概念モデル
6. 量子ネットワーク
7. 量子テレポーテーション
8. 量子暗号（QKD）
9. 量子センシング

これらをバラバラに実験するだけではありません。

今回の中心となる YIQS-GRAND-001 では、

外部信号
↓
量子センシング
↓
信号推定
↓
QKD
↓
量子ネットワーク
↓
量子テレポーテーション
↓
QMLによる分類
↓
ハイブリッド最適化
↓
最終判断

という一本のパイプラインとして接続しました。

つまり、

「量子世界を測り、その情報を送り、処理し、最後に判断する」

ところまでを一つのシステムとして動かしてみたわけです。

---

実験データは10,872行

今回生成された主要CSVは10ファイル。

総データ行数は、

10,872行

でした。

内訳は、

• 量子センシング：240行
• 量子テレポーテーション：192行
• QKD：96行
• 量子ネットワーク：48行
• QML：40行
• ハイブリッド最適化：144行
• デコヒーレンス：3,840行
• 量子バッテリー概念モデル：3,840行
• GRAND統合実験：1,280行
• Ablation Study：1,152行

です。

さらに自動テストは、

PASS 17
FAIL 0
ERROR 0

でした。

ただし、テストが全部通ったことと「量子コンピュータとして優秀である」ことは別問題です。

ここからが本当の実験です。

---

実験① ノイズを増やしたら何が起きる？

まず、量子系にとって避けて通れない問題。

ノイズ

です。

今回のHIGH条件では、

• depolarizing = 0.10
• amplitude damping = 0.05
• phase damping = 0.10
• measurement error = 0.08
• link loss = 0.15

という条件を設定しました。

もちろん、これを現実の特定量子コンピュータそのもののノイズとみなすことはできません。

あくまで今回のシミュレーション条件です。

ではIDEALとHIGHで、何が変わったのでしょうか。

---

量子センシングの誤差

IDEAL条件での平均絶対誤差は、

0.0277

HIGHでは、

0.425

まで増加しました。

つまり今回のモデルでは、ノイズを強くするとセンサーによる位相推定が大きく崩れました。

---

テレポーテーション忠実度

次は量子テレポーテーション。

IDEALでは、

1.000

HIGHでは、

0.647

まで低下しました。

ここでいう忠実度は、転送したい量子状態と復元された状態がどの程度一致しているかを見る指標です。

1に近いほど理想状態に近くなります。

今回のシミュレーションでは、ノイズ条件を悪化させることで量子状態の再現性も明確に低下しました。

---

システム全体の最終正答率は？

では、最後の判断まで全部通したらどうなるのでしょう。

YIQS-GRAND-001の最終正答率は、

IDEAL：0.950

に対して、

HIGH：0.769

でした。

つまり、

95.0% → 76.9%

です。

今回設定した条件では、

個々の量子処理だけではなく、統合システムの最終結果まで悪化しました。

これは今回の科学監査でも、

「今回のシミュレーション条件では」

という限定付きで記事に使用可能と判定された結果です。

---

では、壊れ始めたらどうする？

ここからYIQS-01を少し賢くします。

システムに、

STATIC MODE

と、

ADAPTIVE MODE

を用意しました。

STATICは基本的に決められた処理をそのまま進めます。

一方ADAPTIVEでは、条件が悪化した場合、

• 測定回数を調整する
• 再試行する
• 別処理を選ぶ
• 必要なら古典処理へフォールバックする

といったルールベースの適応処理を行います。

結果はどうなったでしょう。

---

STATIC 82.8% vs ADAPTIVE 91.3%

対応する640件のデータで、

STATIC：0.828

ADAPTIVE：0.913

となりました。

百分率なら、

STATIC　82.8%

ADAPTIVE　91.3%

差は約8.4ポイントです。

対応データとして再監査したMcNemar検定では、

p = 2.59 × 10^-13

でした。

ただし、この数字だけを見て、

「適応型量子コンピュータは必ず強い！」

とは言えません。

なぜなら、さらに中身を調べると重要なことが分かったからです。

IDEAL条件では、両者に差がありませんでした。

差の大部分が現れたのは、

HIGHノイズ条件

です。

そしてHIGH条件では、ADAPTIVEが状況に応じて、

量子処理を捨て、古典処理へ戻る

という判断を行っています。

つまり今回の結果を乱暴に要約すると、

量子処理に最後まで固執した方が強かったのではありません。

むしろ、

「量子が苦しくなったら、古典へ逃げる」

仕組みが効いたのです。

---

ここで「量子万能論」が崩れ始めた

これは今回の実験で最も興味深かった部分です。

私たちはつい、

「量子技術をたくさん載せる」

↓

「もっと量子的になる」

↓

「もっと強くなる」

と考えたくなります。

しかしYIQS-01では、そんな単純な結果にはなりませんでした。

今回の条件では、

モジュールを追加すれば必ず最終精度が向上する、という結果にはならなかった

のです。

これは、

「量子技術は役に立たない」

という意味でもありません。

重要なのは、

量子を使うこと自体を目的にしてはいけない

ということです。

---

一度は「量子AIが勝った！」ように見えた

ここでは、科学実験の怖さもそのまま公開します。

単独のQML実験を見ると、

VQC：0.882

古典ロジスティック回帰：0.829

でした。

数字だけ見れば、

88.2% vs 82.9%

です。

これだけを切り取れば、

「量子AIが古典AIに勝った！」

という記事を書きたくなります。

しかし、書きません。

最終科学監査を行ったところ、有効な独立分割は5。

多重比較を考慮したHolm補正後のp値は、

0.193

でした。

したがって今回のデータから、

VQCが古典ロジスティック回帰より優れている

とは結論できません。

まして、

量子優位性を実証した

などとは到底言えません。

数字では勝って見える。

でも統計監査を通すと、その結論は消える。

今回の実験で非常に重要だった部分です。

---

QAOAも「量子だから勝つ」わけではなかった

MaxCutでは、

QAOA p=1

と、

古典greedy

を比較しました。

成功率は、

QAOA：0.354

Greedy：0.479

でした。

一見すると古典greedyの勝利です。

しかし、こちらも対応比較すると成功率については、

McNemar p = 0.327

でした。

したがって、

「QAOAはgreedyより劣る」

と一般化することもできません。

一方、絶対optimality gapについては、

QAOA：1.10

Greedy：0.52

となり、対応t検定では p=0.007。

ただし今回のQAOAは、

p=1、同一グラフ1種類

という非常に限定された実験です。

これも「量子アルゴリズムは古典より弱い」という一般論にはできません。

---

「量子AIを外したら強くなった」も封印した

Ablation Studyでは一見、もっと刺激的な結果も出ました。

FULL SYSTEM：

0.839

NO_QML：

0.938

数字だけなら、

「量子AIを外したら性能が上がった！」

です。

しかし科学監査で、この結論は却下しました。

理由があります。

FULL SYSTEM側はSTATIC＋VQC。

NO_QML側はADAPTIVE＋π/2しきい値。

つまり、

比較条件が揃っていません。

しかもNO_QML側のしきい値は、今回のラベル生成規則を直接利用しています。

公平な、

量子AI vs 古典AI

の比較ではありません。

したがって、この数字そのものは実験結果として存在しますが、

「量子AIを外した方が優秀」

とは言いません。

実験では、

出た数字と、そこから言ってよい結論は違う

のです。

---

量子ネットワーク成功率100%！……でも喜べなかった

さらに面白い例があります。

3ノード量子ネットワーク実験では、全ノイズ条件で最終的な、

success = 1.0

となりました。

「100%成功！」

と書きたくなる数字です。

しかし監査すると理由が見えてきました。

今回のネットワークでは、

最大5回まで再試行

を許していました。

1回だけで見た成功率は、

43 / 48 = 89.6%

です。

つまり5回再試行したことで成功率が飽和した可能性が高い。

結論は、

「量子ネットワークが完璧だった」

ではありません。

むしろ、

「このネットワーク実験は易しすぎた」

です。

これも次の実験設計へ持ち越す課題になりました。

---

QKDでも「盗聴者がいないのに警報」が出た

量子鍵配送（QKD）でも興味深い結果がありました。

Eve、つまり盗聴者を置いていない条件でも、

false alarm rate = 0.208

が観測されました。

約20.8%です。

これは、

「QKDなら盗聴を100%見破れる」

という単純な説明が危険であることを示す教材になります。

有限データでは統計的な揺らぎがあります。

今回のモデルでも、

盗聴者がいないのに警報判定が出るケース

が存在しました。

もちろん、これを現実の商用QKD装置の誤警報率だと解釈してはいけません。

あくまで今回実装したQKDシミュレーションでの結果です。

---

「最初に壊れた場所」と「原因」は違う

GRAND実験の最終誤り166件について、

最初に失敗フラグが立った場所を調べると、

• classification：82件
• QKD：43件
• sensing：28件
• teleportation/network：13件

でした。

一見すると、

「分類モジュールが最大の故障原因だ」

と思えます。

しかし、これも言えません。

記録しているのは、

first_failure_stage

です。

つまり、

パイプライン上で最初に失敗フラグが立った場所

であって、

最終失敗を引き起こした因果的原因

を証明したものではありません。

ここを混同すると、データ分析は簡単に間違った物語を作ってしまいます。

---

センシング誤差では、さらに奇妙な結果が出た

もっと奇妙なのがこちらです。

sensing failureがある場合の最終誤り率：

0.098

sensing成功時：

0.139

でした。

普通に考えると逆です。

センサーが失敗した方が、最終結果が良く見えてしまいました。

しかし、

「センサーの失敗が役に立った！」

という話ではありません。

監査すると、失敗判定 abs_err > 0.35 の入り方、境界条件、ADAPTIVE制御などが絡んでおり、単純な因果関係として解釈できませんでした。

sensing errorと最終失敗の相関も、

-0.050

と非常に弱いものでした。

つまり今回の統合系では、

「上流で誤差が出たら、そのまま下流へ増幅する」

という単純な構造にはなっていませんでした。

---

では、YIQS-01から本当に何が分かったのか？

最終科学監査では、記事で使いたい主張を、

A：強く言ってよい
B：条件付きで言ってよい
C：興味深いが結論にしてはいけない
D：主張してはいけない

の4段階で判定しました。

驚くことに、事前に用意した主要10主張のうち、

A判定は0

でした。

科学は厳しい。

しかし、それでいいのです。

B判定として残ったのは主に、

今回のシミュレーション条件では、ノイズ増加とともに統合系の性能が悪化した。

今回の条件では、ADAPTIVE制御の最終正答率がSTATICより高かった。

量子モジュールを追加するほど性能が上がる結果にはならなかった。

という3点でした。

これが今回、本当に残った結論です。

---

「未来の量子コンピュータ」の姿が少し変わった

実験を始める前に想像していたのは、

量子技術を全部搭載した巨大なスーパー量子コンピュータ

でした。

しかし10,872行の結果を見たあとでは、少し考えが変わります。

未来に重要になるのは、

何でも量子で計算するコンピュータ

ではないのかもしれません。

量子計算が有利な場所では量子を使う。

条件が悪ければ測定方法を変える。

通信を再試行する。

そして量子処理が不利なら、

古典計算へ戻る。

つまり、

「量子を使う能力」だけでなく、

「量子を使わないと判断する能力」

も重要になる可能性があります。

ただし、ここも今回の実験だけで未来を断定することはできません。

YIQS-01が示したのは、

その考え方を研究する価値がありそうだ

というところまでです。

---

YIQS-01とは結局、何だったのか

今回作ったものを正確に表現するなら、

万能量子コンピュータではありません。

また、

量子優位性を証明した装置でもありません。

YIQS-01は、

複数の量子情報処理概念を一本のパイプラインとして接続し、ノイズや制御方法を変えながらシステム全体の挙動を観察するPCベースの統合シミュレータ

です。

そして今回、そのシミュレータを実際に動かしたことで、

「量子技術を全部つなげれば強くなる」

という単純なストーリーでは終わりませんでした。

それこそが今回の一番面白い結果だったと思います。

---

ヤバりみ！実験室：今回の検証規模

今回の実験について、再現性確認も実施しました。

同一seedを使って、

• sensing：240行
• QKD：96行
• teleportation：192行

を再実行。

監査対象となった主要出力は一致しました。

自動テスト：

17 PASS / 0 FAIL / 0 ERROR

実験CSV：

10ファイル / 合計10,872行

GRAND統合実験：

1,280行

Ablation Study：

1,152行

そして重要なのでもう一度。

REAL QPU：未使用

今回の記事で扱った数値は、

PC上のSIMULATION結果

です。

---

今回「分からなかったこと」も成果である

今回の実験では、答えが出なかったものもたくさんあります。

VQCは本当に古典モデルより優れているのか。

QAOAは条件を変えればgreedyを上回るのか。

ADAPTIVE制御のどの部分がどれだけ効いているのか。

量子ネットワークをもっと厳しい条件にしたら、どこから破綻するのか。

現実のQPUで同じ回路を動かしたらどうなるのか。

そして何より――。

量子情報を途中で保存できたら、システムはどう変わるのか？

YIQS-01には、まだ本格的な量子メモリがありません。

量子状態は非常に壊れやすい。

通信相手の準備ができるまで待ちたい。

別の量子処理が終わるまで状態を保持したい。

量子ネットワークを長距離化したい。

そうなったとき必要になるのが、

「量子情報を記憶する技術」

です。

---

次回予告――第10回「量子メモリ」

普通のPCなら、計算途中のデータをRAMやSSDへ保存できます。

では、

量子状態は保存できるのでしょうか？

コピーすればいい？

残念ながら、量子の世界ではそんなに簡単ではありません。

そして量子メモリが実現すれば、量子コンピュータだけでなく、

量子インターネット、量子中継器、量子暗号、量子センシング

まで大きく変わる可能性があります。

次回、

【ヤバりみ！未来展望 第10回】

量子メモリとは？

「量子の記憶」が実現すると世界はどう変わるのか

さらにYIQSシリーズでは将来、

YIQS-01 + 量子メモリ = YIQS-02

という拡張実験も考えられます。

量子状態を「待たせる」能力を追加すると、今回の結果は変わるのでしょうか。

第10回へ続きます。

---

実験上の注意・免責

本記事のYIQS-01は、量子情報処理に関する複数の概念を統合したPC上の教育・研究用シミュレーションです。実際の量子プロセッサ上で実行した結果ではありません。

本記事は、量子優位性、実用的な量子インターネット、実物の量子バッテリー、完全な盗聴検知、時間の矢の操作、新しい物理法則などを実証するものではありません。

数値は今回設定したモデル・アルゴリズム・ノイズ条件・サンプル数等に依存し、現実の量子機器一般の性能を表すものではありません。

また、統計監査によって一般化できないと判断した結果については、数値が存在する場合でも一般的な性能優位を示す結論として扱っていません。

研究者・技術者の方へ / For Researchers and Engineers

本記事では、**YIQS-01（YABALIMI Integrated Quantum System 01）**として、量子センシング（Quantum Sensing）、量子鍵配送（Quantum Key Distribution / QKD）、量子ネットワーク（Quantum Network）、量子テレポーテーション（Quantum Teleportation）、量子機械学習（Quantum Machine Learning / QML）、変分量子回路（Variational Quantum Circuit / VQC）、QAOA、量子・古典ハイブリッド計算（Hybrid Quantum-Classical Computing）、開放量子系・デコヒーレンス（Open Quantum Systems / Decoherence）、量子バッテリー概念モデル（Quantum Battery）などを、PC上の統合シミュレーション環境へ接続しました。

実験では10個の主要CSV、合計10,872行のデータを生成し、YIQS-GRAND-001では1,280行の統合実験を実施しました。今回設定したノイズモデルでは、IDEALからHIGHへ条件を悪化させると、量子センシングの平均絶対誤差は0.0277 → 0.425、量子テレポーテーションの平均忠実度は1.000 → 0.647、GRAND統合実験の最終正答率は**95.0% → 76.9%**へ変化しました。

また、ルールベースのADAPTIVE制御は今回の条件でSTATICより高い最終正答率を示しました（82.8% → 91.3%、対応n=640、risk difference=+0.084）。ただし最終科学監査では、この差の主要部分がHIGHノイズ条件における古典処理へのフォールバックと関係していることを確認しており、一般的な「量子方式に対する優位性」を示す結果とは解釈していません。

QMLについてもVQC 88.2%、古典ロジスティック回帰 82.9%という平均値が得られましたが、有効独立分割は5であり、Holm補正後 p=0.193 でした。このため本実験はquantum advantage / quantum supremacy / quantum computational advantageを実証していません。QAOA（p=1）と古典GreedyによるMaxCut比較についても限定的な実験であり、一般的な量子優位・古典優位の根拠とはしていません。

YIQS-01は実機QPUを使用した実験ではなく、PC-based quantum simulation / integrated quantum information processing simulationです。本研究的試行の目的は、個々の量子技術の性能記録だけではなく、複数の量子情報処理モジュールを統合した際のnoise propagation、adaptive control、classical fallback、system-level performance、ablation study、reproducibilityを観察することにあります。

English Summary

This article presents YIQS-01 (YABALIMI Integrated Quantum System 01), a PC-based integrated quantum simulation connecting multiple concepts in quantum information science, including quantum sensing, Quantum Key Distribution (QKD), quantum networks, quantum teleportation, Quantum Machine Learning (QML), Variational Quantum Circuits (VQC), QAOA, hybrid quantum-classical computing, open quantum systems, decoherence, and a conceptual quantum battery model.

The experiment produced 10,872 rows across 10 primary CSV datasets, including 1,280 rows from the integrated YIQS-GRAND-001 experiment. Under the noise model used in this simulation, moving from IDEAL to HIGH conditions increased the mean absolute quantum-sensing error from 0.0277 to 0.425, reduced mean quantum-teleportation fidelity from 1.000 to 0.647, and reduced the final YIQS-GRAND-001 accuracy from 95.0% to 76.9%.

A rule-based ADAPTIVE strategy achieved a higher final accuracy than STATIC control under the tested conditions (82.8% vs. 91.3%, paired n=640, risk difference=+0.084). Scientific auditing, however, showed that much of this difference was associated with the HIGH-noise regime, where the adaptive policy could fall back from quantum processing to classical processing. The result therefore should not be interpreted as evidence of general quantum superiority.

In the standalone QML experiment, VQC produced a mean accuracy of 88.2%, compared with 82.9% for classical logistic regression. However, only five effective independent splits were available and the Holm-adjusted result was p=0.193. Consequently, YIQS-01 does not demonstrate quantum advantage, quantum supremacy, or real-QPU performance. The QAOA-versus-Greedy MaxCut experiment was likewise limited to the tested configuration and does not establish a general performance hierarchy.

YIQS-01 should therefore be understood as an educational and research-oriented integrated quantum simulation, not as a physical quantum computer. Its primary value is the system-level examination of quantum noise, decoherence, quantum-classical hybrid architectures, adaptive quantum computing, classical fallback, quantum communication, quantum networking, QML, ablation analysis, and reproducibility when multiple quantum-information concepts are connected into a single computational pipeline.

Research keywords / 研究キーワード：
Quantum Computing, Quantum Information Science, Quantum Simulation, Hybrid Quantum-Classical Computing, Quantum-Classical Hybrid Architecture, Adaptive Quantum Computing, NISQ, Quantum Sensing, Ramsey Interferometry, Quantum Teleportation, Quantum Network, Quantum Internet, Quantum Communication, Quantum Key Distribution, QKD, BB84, Quantum Machine Learning, QML, Variational Quantum Circuit, VQC, Variational Quantum Algorithm, VQA, QAOA, MaxCut, Open Quantum Systems, Quantum Decoherence, Quantum Noise, Quantum Fidelity, Quantum Error, Classical Fallback, Ablation Study, Quantum Battery, YIQS-01, YIQS-GRAND-001.