化学反応の反応物と生成物を隔てる遷移状態は、反応の成否を決める重要な状態です。遷移状態の予測は反応制御に向けて重要ですが、多数の原子・多くの構造の候補から遷移状態を正確に予測することは難しいとされてきました。近年、AIを活用した遷移状態予測が盛んになっており、中でも深層学習は画像認識をはじめ多くの成功を収めている強力な手法であるものの、深層学習モデルの形（ノード数などのアーキテクチャ）を決めるのが煩雑であり、化学反応への適用の大きな障害となっています。今回、九州大学、大阪大学および分子科学研究所の共同研究グループは、深層学習モデルを自動的に決定し、化学反応の遷移状態の予測を実現する...

東京大学大学院理学系研究科の小堀拓生大学院生（当時日本電信電話インターン生）と藤堂眞治教授、日本電信電話株式会社の鈴木泰成研究員と徳永裕己研究員、理化学研究所量子コンピュータ研究センターの上野洋典基礎科学特別研究員、そして九州大学大学院システム情報科学研究院の谷本輝夫准教授らによる研究グループは、従来の計算機の基本設計であるロードストア型計算機の考え方を量子計算機に適用した、新たな誤り耐性量子計算のアーキテクチャを提案しました。本技術は、プログラムの高い移植性（他の環境への移行のしやすさ）と高効率な量子ハードウェアの活用を可能とするものであり、有用な量子計算の早期実現を加速す...