2026年必須の量子プログラミング言語・ツール13選

量子プログラミング言語は、量子コンピューティングの新時代において不可欠なツールとして急速に台頭しています。この新種のプログラミング言語により、開発者と研究者は量子ビットと相互作用し、古典的な対応物を桁違いに上回るアルゴリズムを設計できるようになります。

2025年現在、量子コンピューティングの特定モデル、ハードウェア、ユースケースに合わせて37種類以上の異なる量子プログラミング言語が導入されています。これらの言語は総じて、ゲートベースシステム、変分回路、断熱モデル、ハイブリッド古典・量子アルゴリズムなど、量子計算における多様なアプローチを反映しています。[1]

以下では、開発者が量子力学の特異性を効果的に活用し、複雑な問題を解決できる主要な量子プログラミング言語を紹介します。

ご存知ですか？

GitHubには21,000以上の量子ソフトウェアリポジトリがホストされており、2017年以来200%の成長を記録。これらのリポジトリには10,000人以上のユニークな開発者が貢献し、コードコミットは合計で120万行を超えています。[2]

13. Qunity（クニティ）

初回リリース: 2022年
作成者: 独立研究者とオープンソース貢献者
独自の強み: 量子ファーストのアプローチとクリーンな抽象化モデル
最適な用途: ベンダーロックインなしの軽量ツールセットを求める研究者

Qunityは、古典的プログラミングモデルの明確さと量子力学の独自パラダイムを融合した、あまり知られていないが先進的な量子プログラミング言語およびフレームワークです。

量子ネイティブ言語としてゼロから構築され、量子力学的制約（ノークローニング定理、ユニタリ進化など）を型システムとロジックレベルの両方で強制します。

CやPythonなどの古典的プログラミング言語から着想を得ながら、構文と意味論を量子コンピューティング原理（線形性、可逆性、重ね合わせ、量子もつれ）と自然に適合するよう適応させています。[3]

Qunityの設計はモジュール式でバックエンドに依存しないことを意図しており、シミュレータへの対応と、将来的に実量子プロセッサをターゲットとする互換性レイヤーの開発が進められています。

12. TKET（ティーケット）

初回リリース: 2019年
作成者: Quantinuum
独自の強み: ハードウェア制約をインテリジェントに処理
最適な用途: ハードウェア非依存の回路最適化、本番レベルのツール

TKETは主に、高レベル量子プログラムとさまざまな量子ハードウェアターゲットの間を仲介する中間レベルの最適化コンパイラおよび実行フレームワークとして機能します。

量子回路最適化、ゲート合成、量子ビットルーティングに注力。抽象的な量子アルゴリズムを、最小限の深さとエラー率でハードウェア互換命令に変換します。

ハードウェア制約（量子ビット接続の制限、ゲート忠実度、ネイティブ命令セットなど）をインテリジェントに処理する能力により、より効率的な回路（ゲート数削減、実行時間短縮）を生成可能です。

独立したベンチマークでは、TKETは一部のユースケースでネイティブコンパイラと比較して最大40%のゲート数削減と25〜30%の実行高速化を示しています。

11. ProjectQ（プロジェクトキュー）

初回リリース: 2016年
作成者: ETH Zurich
独自の強み: コンパイラ指向、モジュール設計
最適な用途: 量子コンパイラ研究と教育目的

ProjectQは、研究者、開発者、教育者向けのモジュール式で拡張可能な量子コンピューティングプラットフォームを提供します。

Pythonで記述され、量子プログラムが中間表現に翻訳されてからシミュレータや実量子ハードウェアで実行される、コンパイラベースのアーキテクチャを強調した初期の量子SDKの一つです。

ProjectQはモジュール性を重視し、開発者がPythonライクなスタイルで量子プログラムを定義し、カスタマイズ可能なパイプラインでコンパイルし、組み込みシミュレータやIBM Quantum Experienceなどのバックエンドで実行可能。さらに、コンパイラ中心の設計により、最適化、ゲート分解、ターゲット固有の翻訳をきめ細かく制御できます。[4]

量子回路エミュレーション、波動関数シミュレーション、ユニタリ行列エミュレーションもサポートし、量子誤り訂正と最適化研究の実験的プレイグラウンドとしても機能します。

10. Quantum Computation Language（QCL）

初回リリース: 2000年
作成者: Bernhard Ömer
独自の強み: 量子状態への明確な低レベルアクセス
最適な用途: 古典・量子ハイブリッド構造の学習

QCLは量子コンピューティング専用に構築された初期の高水準プログラミング言語の一つです。

量子プログラミングが主に数学的・回路レベルで行われていた時代に、QCLは構造化構文、変数、条件分岐、ループ、モジュール関数を導入。後の高水準量子言語の基礎を築きました。

古典計算と量子計算を分離し、古典レジスタが制御フローを管理、量子レジスタ（quregs）が量子状態を格納・操作します。この言語は、ユニタリ演算子、測定命令、可逆計算、一時使用のためのアンキラ量子ビットなど、量子コンピューティングで今では一般的なプログラミング構造を多く導入しました。

商用量子ハードウェアには紐づいていませんが、特に教育と量子アルゴリズムシミュレーションにおいて、学術・研究現場で貴重なツールであり続けています。

9. Strawberry Fields（ストロベリーフィールズ）

初回リリース: 2018年
作成者: Xanadu
独自の強み: CV量子コンピューティングへの独占的フォーカス
最適な用途: 光子量子システムのシミュレーションとプログラミング

Strawberry Fieldsは、連続変数（CV）量子コンピューティングに特化したフルスタック・オープンソース量子プログラミングライブラリ。圧縮状態、コヒーレント状態、ガウス状態など光の量子状態を用いて計算を行う光子量子回路向けに特別に設計されています。

その核心では、Blackbird量子アセンブリ言語を活用。これにより開発者は、ゲートベースモデルと機械学習ワークフローの両方を用いて光子量子回路の設計、シミュレーション、最適化が可能です。

PennyLane（同じくXanaduのプロジェクト）と併用することで、ハイブリッド量子古典計算と機械学習アプリケーションを促進。量子機械学習、量子化学、CV量子暗号、量子光学研究などのユースケースに適しています。[5]

8. Ocean（オーシャン）

初回リリース: 2018年
作成者: D-Wave Systems
独自の強み: 量子アニーリング向け設計、ハイブリッドソルバー対応
最適な用途: 組み合わせ最適化問題への取り組み

Oceanは、ゲートベース量子コンピュータとは全く異なるパラダイムである量子アニーラー向けに、問題の開発と最適化を支援するオープンソース量子プログラミングフレームワークです。[6]

従来の意味でのプログラミング言語ではなく、ユーザー定義の問題（主に最適化問題）をD-Waveの量子アニーリングハードウェアで解ける形式に変換するPythonベースのツールチェーンです。

Oceanのモジュールアーキテクチャは、カスタムソルバーや最適化ヒューリスティクスに取り組む開発者と研究者にとって高い拡張性を提供。車両ルーティング、ポートフォリオ最適化、スケジューリング、機械学習タスクなどの組み合わせ最適化問題に最適です。

さらに、OceanはD-Waveの「Leap」クラウドサービスとシームレスに統合され、開発者に量子ハードウェアとリソースへの即時アクセスを提供。2025年、D-Waveは4,400量子ビット以上を搭載した次世代システム「Advantage2」の一般提供を発表し、Oceanもこの次世代システムを完全サポートするよう更新されました。

7. QuTiP（キューティップ）

初回リリース: 2012年
作成者: Johannes Johansson、Paul Nation、および共同研究者たち
独自の強み: 物理学に焦点を当てたシミュレーション能力
最適な用途: 理論研究とモデリング

QuTiPは、特に連続時間発展、マスター方程式、非ユニタリダイナミクスにおいて、量子システムの物理をシミュレーションすることに焦点を当てた包括的なオープンソースフレームワークです。

Pythonで記述され、NumPy、SciPy、Cythonで最適化されており、数値計算に効率的。研究者は時間依存シュレーディンガー方程式、リンブラッドマスター方程式、ハイゼンベルグ運動方程式のモデリングと解法が可能。これらは量子力学の中心的な方程式です。[7]

QuTiPは、リンブラッドマスター方程式用のmesolve、シュレーディンガー方程式用のsesolve、モンテカルロシミュレーション用のmcsolveなどのソルバースイートを提供。これらのソルバーにより、さまざまな条件下での閉じた系と開いた系の両方の量子システム研究が可能になります。

これらの機能により、量子光学、量子熱力学、キャビティQED、超伝導量子ビット研究などの分野で広く使用されています。

6. PennyLane（ペニーレーン）

初回リリース: 2018年
作成者: Xanadu
独自の強み: 古典機械学習エコシステムと統合
最適な用途: 量子機械学習、ハイブリッド古典・量子モデル

PennyLaneは、量子計算を機械学習ワークフローと統合し、量子回路の自動微分ツールを提供するオープンソースPythonベースの量子コンピューティングライブラリです。

PyTorch、TensorFlow、JAXなどのフレームワークを活用し、量子計算と古典最適化を橋渡し。これにより開発者は量子ノードを古典機械学習モデルに埋め込むことができます。

プラグインシステムを通じてさまざまな量子ハードウェアとシミュレータをサポートし、コードを変更せずに異なるバックエンドで量子回路を実行可能。この柔軟性により、量子コンピューティングの研究と実用アプリケーションの両方で貴重なツールとなっています。[8]

ライブラリは量子化学向けの特殊機能も提供。微分可能なHartree-Fockソルバーや分子ハミルトニアン構築ツールなどにより、研究者は勾配ベース最適化手法で量子化学シミュレーションを実行できます。

5. OpenQASM（オープンキュアズム）

初回リリース: 2017年
作成者: IBM Research
独自の強み: ハードウェア中立性をサポート、相互運用性を促進
最適な用途: 低レベル回路とゲートシーケンスの定義

OpenQASM（Open Quantum Assembly Language）は、量子ゲート操作の低レベル・アセンブリスタイル構文を提供する、ハードウェアに依存しない量子回路の中間表現です。

この言語は、量子回路を機械可読かつ人間可読な形式で表現することに特に注力。量子ビット割り当て、量子ゲート適用、測定、古典レジスタとの相互作用、条件分岐など、ゲートレベル命令の正確な記述を可能にします。

OpenQASMは、量子プログラムを構造化された宣言的形式で表現する広く受け入れられた標準へと進化。最近の研究では、OpenQASM 3を用いたハイブリッド量子古典計算の検証と形式化が注目されており、厳密なプログラム分析と検証における言語の可能性が強調されています。

4. PyQuil（パイクイル）

初回リリース: 2017年
作成者: Rigetti Computing
独自の強み: パラメトリックコンパイル、現実的なシミュレーションレイヤー
最適な用途: Rigettiハードウェアとシミュレータでのプログラム実行

PyQuilは、Quil（Quantum Instruction Language）プロトコルを使用して量子プログラムの作成と実行を行うオープンソース量子プログラミングライブラリです。

Pythonで記述され、PyQuilはRigettiのForestプラットフォームとAspen量子プロセッサ（超伝導量子ビットアーキテクチャベース）と対話するための主要ツールとして機能。他のフレームワークのPythonベース抽象化とは異なり、Quilは実際に量子ハードウェア上で何が実行されるかへの透明性を開発者に提供し、デバッグとパフォーマンスチューニングに不可欠です。[9]

特にNISQ（ノイジー中規模量子）コンピューティング向けに設計され、量子回路の構築とシミュレーションのための表現力豊かかつ低レベルなインターフェースを提供します。

PyQuilは抽象化と最適化の強力な融合に加え、実際のハードウェア動作を忠実に模倣する現実的なシミュレーションレイヤー（QVM）を提供。開発者は、Rigettiデバイスの実際のハードウェア制約（量子ビット接続、ネイティブゲートセット、ノイズプロファイル）に合わせて回路をコンパイル可能です。

RigettiのAspen QPUへのアクセスと組み合わせることで、PyQuilは研究とテストのための実用的で高忠実度なツールとなっています。

3. Q#（キューシャープ）

初回リリース: 2017年
作成者: Microsoft
独自の強み: 組み込みシミュレーションツール、モジュール式量子ライブラリ
最適な用途: エンタープライズグレードのアルゴリズム開発

Q#（Q-sharp）は、強力な型システムを使用し、量子データと古典データを厳密に分離することでプログラミングエラーを最小化する、ドメイン固有の量子プログラミング言語です。

QiskitやCirqのようなフレームワークがPythonのような汎用プログラミング言語上に構築されているのに対し、Q#はゼロから量子コンピューティング専用に設計されています。

Q#はその形式的構造、強力な型安全性、長期的な拡張性で際立っています。強力な静的型付けとコンパイル時エラーチェックを備え、バグリスクを大幅に低減。主要な強みの一つは組み込みリソース推定ツールで、開発者は量子回路をシミュレートするだけでなく、量子ビット数、ゲート数、回路深度の観点からコストを評価できます。

量子フーリエ変換、振幅増幅、Groverの探索など、事前構築された豊富な量子操作ライブラリを搭載。さらに、Microsoftの広範なAzure Quantumプラットフォーム、Visual Studio、Visual Studio Code、Jupyter Notebooksと深く統合されています。[10]

2. Cirq（サーク）

初回リリース: 2018年
作成者: Google AI Quantum Team
独自の強み: ハードウェア指向、精密レベルの制御
最適な用途: NISQ時代デバイス向けカスタム回路、量子シミュレーション

Cirqは、NISQ（ノイジー中規模量子）デバイスを主にサポートするために設計されたオープンソース量子プログラミングフレームワーク。ハードウェアトポロジーとノイズ特性が重要となる場面で、開発者に量子回路へのきめ細かな制御を提供します。

Cirqはモーメントベースアーキテクチャを採用。操作を時間ベースの「モーメント」に編成し、実行タイミングのシミュレーションを向上させ、現実的なノイズとデコヒーレンスモデルの組み込みを容易にします。[11]

抽象的な量子アルゴリズムに焦点を当てた高レベルフレームワークとは異なり、Cirqはゲートと回路スケジューリングレベルでの制御を重視。これにより研究者はハードウェア認識最適化の実験と量子操作のベンチマークが可能になります。

CirqはTensorFlow Quantumのベースプログラミングレイヤーとしてよく使用され、Googleの超伝導量子プロセッサ（Sycamore、Bristleconeなど）と対話するためのネイティブ言語でもあります。

1. Qiskit（キスキット）

初回リリース: 2017年
作成者: IBM Research
独自の強み: IBMの量子ハードウェアとの深い垂直統合
最適な用途: 回路設計、量子アルゴリズムプロトタイピング、ハイブリッドシミュレーション

Qiskitは、量子回路のシミュレーションからIBMの超伝導量子プロセッサへのデプロイまで、理論的・実践的両面から量子コンピューティングに取り組む開発者と研究者を支援するオープンソース量子プログラミング言語です。

Pythonで構築され、ゲートベース量子計算モデルをサポートし、IBMの量子クラウドハードウェアと緊密に統合されています。

プラットフォームは基本SDKを超え、ハイレベルアルゴリズムライブラリ（Qiskit Machine Learning、Nature、Optimization）、ミドルレベル回路ビルダー、Qiskit Pulseを通じたパルスレベル制御までを含む包括的なスタックへ進化。この階層アーキテクチャにより、開発者はあらゆる抽象化レベルで量子プログラムの作成、実験、最適化が可能です。

Qiskitの最も画期的な特徴の一つは、IBM Quantum Experienceを通じた実量子ハードウェアへのリアルタイムアクセス。5、16、27、127量子ビット以上の量子プロセッサをホストし、数千人の開発者に実量子ノイズとデバイス制約への実践的経験を提供してきました。

過去数年間で、Qiskitは量子コンピューティングにおいて最もアクセスしやすく広く採用されているプラットフォームの一つとして台頭。累計600万回以上インストールされ、毎月約30万回の新規インストールを記録。GitHubでは2,000以上のフォークと8,000以上の貢献を獲得し、これまでに3兆以上の量子回路の実行を可能にしています。[12]

関連記事

• 量子コンピュータに関する最も興味深い事実21選
• 新しいコンピューティングパラダイムを特徴とする量子プロセッサ15選

引用元・参考文献

1. Felipe Ferreira, An exploratory study on the usage of quantum programming languages, ScienceDirect
2. Krishna Upadhyay, Analyzing the evolution and maintenance of quantum computing repositories, arXiv
3. Finn Voichick, A unified language for quantum and classical computing, arXiv
4. ProjectQ, An open-source software effort for quantum computing, arXiv
5. Documentation, PennyLane-Strawberry fields plugin, PennyLane
6. Documentation, How to optimize business problems using quantum-classical hybrid solvers, D-Wave
7. Neill Lambert, The quantum toolbox in Python, arXiv
8. Quantum Devices, PennyLane's quantum device ecosystem with 40+ integrated options, PennyLane
9. Documentation, pyQuil allows you to build and execute Quil programs using Python, pyQuil
10. Qsharp Overview, Introduction to the quantum programming language Q#, Microsoft
11. Reference, A time-slice of operations within a circuit, Google
12. Muhammad AbuGhanem, IBM quantum computers: evolution, performance, and future directions, Springer