Slide 1（SDK概観：Qiskit・Cirq・PennyLane）
量子プログラムを書くときは、まず「SDK（開発用ツール集）」を使います。QiskitはIBMが中心となって開発しており、量子回路の作成、最適化（トランスパイル）、実機やシミュレータへの実行まで一通りそろっています。CirqはGoogle系のライブラリで、実機の特性（ゲートの並び方や誤差の傾向）を意識した回路設計がしやすいのが特徴です。PennyLaneは「ハイブリッド学習」に強く、量子回路の出力に対して勾配（パラメータの増減に対する変化）を計算し、古典AIの学習のように最適化できます。実機接続や他のライブラリ連携も整っており、学習用から研究まで幅広く使われています。 IBM Quantum Documentation+2Google Quantum AI+2
Slide 2（クラウド実機と高忠実度シミュレータ）
いま多くの量子計算はクラウド経由で行われます。たとえばAWSの「Braket」では、超伝導方式やイオントラップ方式など複数ベンダーの量子ハードウェア（QPU）と、状態ベクトル法・テンソルネットワーク法などのシミュレータを選んで使えます。実行前にシミュレータで回路やノイズの影響を試し、手応えがあれば実機に送るのが一般的です。さらに「Hybrid Jobs」のような仕組みを使うと、量子計算と古典計算を自動で連携し、必要なクラウド資源を立ち上げて学習ループを回せます。CirqやPennyLaneから特定ベンダーの実機に接続する手引きも公開されています。 AWS Documentation+2AWS Documentation+2
Slide 3（ハイブリッド計算：CPU/GPU＋QPU）
量子と古典を組み合わせる「ハイブリッド計算」は、現状の主力です。代表例のVQE（変分量子固有値ソルバ）は、量子回路で物理量の平均値を測り、古典コンピュータが回路のパラメータを更新する反復法です。もう一つのQAOAは、最適化問題に特化したバリエーションで、制約をエネルギー関数に埋め込み、回路の層数や角度を調整して良い解を探します。どちらも「パラメータシフト則」という方法で勾配を計算でき、学習の効率を上げられます。ノイズが多い環境では、測定回数やエラーミティゲーションの工夫が品質を左右します。 Nature+2arXiv+2
Slide 4（ショアの影響と“HNDL”）
量子計算が発達すると、いま広く使われているRSAや楕円曲線暗号（ECC）が、ショアのアルゴリズムで解読される可能性が指摘されています。そこで問題になるのが「Harvest Now, Decrypt Later（いま盗み貯めして、後で復号）」という戦術です。敵対者は現在の暗号通信を保存しておき、将来、強力な量子計算機ができた時点で一気に解読しようとします。米国のCISA・NSA・NISTは、このリスクを踏まえ、暗号資産の棚卸しや移行計画づくりを今から始めるよう推奨しています。長期間秘密にしたい情報ほど、早めの対策が必要です。 U.S. Department of War+1
Slide 5（PQC標準化：格子系ほか）
将来の量子攻撃に耐える「ポスト量子暗号（PQC）」の標準化が進んでいます。NISTは2024年に3つの最終標準を公開しました：鍵共有用のML-KEM（CRYSTALS-Kyber）、署名用のML-DSA（CRYSTALS-Dilithium）とSLH-DSA（SPHINCS+）です。さらに2025年3月には、格子系とは異なる「符号ベース」のHQCをバックアップ用KEMとして選定しました（将来ML-KEMに弱点が見つかった場合に備える位置づけ）。これらは従来のサーバや端末で実装でき、既知の量子攻撃に耐える設計です。 NIST+1
Slide 6（移行ロードマップ：クリプトアジリティ）
PQCへの移行は一朝一夕には進みません。まず、どこでどの暗号が使われ、どんな「機密保持期間（何年守りたいか）」が必要かを棚卸しします。次に、影響の大きいシステムから優先し、既存方式とPQCを並行で使うハイブリッド構成をテスト。証明書・プロトコル・サプライチェーンの更新、性能評価、運用監視を行いつつ段階的に切替えます。CISA・NSA・NISTの共同資料やNIST NCCoEの移行ガイドは、ロードマップや在庫調査のやり方を具体的に示しています。 U.S. Department of War+2NCCoE+2
Slide 7（創薬・材料：量子化学VQEの手順）
分子のエネルギーを正確に計算できると、新薬や新素材の設計が大きく加速します。量子計算では、分子のふるまいを表すハミルトニアンをキュービットに写像し、UCCSDなどの「アンサッツ（仮の波動関数）」で表現してVQEを回します。量子側が期待値を測り、古典側がパラメータを調整して、基底状態エネルギーに近づけていく流れです。VQEは2014年に提案され、多くのレビューで手順が整理されています。ノイズ下ではエラーミティゲーションや活性空間の選び方が精度を左右します。 Nature+1
Slide 8（金融・物流：QUBO／Ising定式化）
巡回セールスマンやポートフォリオ選択などの組合せ最適化は、変数を0/1にしたQUBO（Quadratic Unconstrained Binary Optimization）やIsingモデルに変換して解きます。目的（最小化したい量）と制約を行列や相互作用として表せば、QAOAなどの量子アルゴリズムや量子アニーリングで「コストの低い解」をサンプリングできます。復元や制約修復を行った上で、古典のヒューリスティクスと比べるのが実用化の第一歩です。多くのNP問題がIsingに写像できることは総説で体系化されています。 Frontiers
Slide 9（AI×量子：特徴写像と量子カーネル）
量子回路でデータを高次元の「量子特徴空間」に埋め込むと、SVMのようなカーネル法で分類性能が上がる可能性があります。2019年には超伝導回路上で量子カーネル推定や変分分類器を実験実装した報告がありました。ただし、すべてのデータで有利になるわけではなく、カーネルの推定コストやノイズの影響も考慮が必要です。古典モデルとの厳密なベンチマークを行い、量子が効くデータ構造を見極めることが重要です。 Nature
Slide 10（ユースケース設計：KPIと準備度）
実務で量子の価値を確かめるには、先に「成功条件（KPI）」を決めるのがコツです。たとえば精度・時間・コスト・堅牢性などです。つぎに、（1）データが揃っているか、（2）問題がQUBOやVQEに写像できるか、（3）実機やシミュレータへアクセスできるか、（4）開発・運用を回せるチーム体制があるかを点検します。最初は小さなパイロットで仮説検証し、古典ベースラインと比較して効果が見えた領域から段階的に拡大します（一般指針。出典は各分野の前掲レビュー参照）。 Physical Review Links+1
Slide 11（NISQ→誤り耐性：マイルストーン）
現在はNISQ（ノイズの多い中規模）時代で、長い回路はまだ難しい段階です。次の大きな目標は「論理キュービット」を作り、エラー訂正で誤り率を指数的に下げること。サーフェスコードでは物理キュービット数を増やしてコード距離を伸ばすと、論理誤りが抑えられることが実験で示されました。これが積み上がると、ショアや本格的な量子化学など「誤り耐性が前提」のアルゴリズム実行に近づきます。 arXiv+1
Slide 12（量子インターネットと分散計算）
量子インターネットは、離れた場所に量子もつれを配って、量子テレポーテーションや超高強度の鍵配送（QKD）などを実現する構想です。将来的には、量子コンピュータ同士をつなぎ、分散量子計算を可能にすることも目標です。実現には、量子リピータやエンタングルメント・スワップなどの技術が要ります。ロードマップやビジョンは、科学誌の総説で広く紹介され、段階的に実験ネットワークが拡大しています。 Science+1
Slide 13（社会・経済インパクト）
量子計算が進めば、暗号・医薬・材料・物流・AIなど多くの産業に影響します。一方で、暗号移行の遅れや人材不足、新旧技術の共存コストといった課題も現れます。各国機関は2030年代までの移行を見据え、準備を呼びかけています。結局のところ、「安全に使いこなす」ための標準化・ガバナンス・教育が欠かせません。技術の期待値を丁寧に見積もりつつ、段階的な導入でメリットを最大化する姿勢が重要です。 Financial Times+1
