MIT から IBM へ、AI と量子技術の実用化を加速する元研究者たち

理論中心の研究から実社会での応用へと転換する経験は、研究者によって大きく異なります。しかし、IBM に現在所属している元 MIT 大学院生 2 名と元ポスドク研究員にとって、学生時代を過ごした MIT-IBM コンピューティング研究所（旧・MIT-IBM ワトソン AI ラボ）での活動は、教育と実社会のギャップを埋めるだけでなく、ビジネスへのインパクトが期待されるアイデアを生み出す機会にもなりました。

量子機械学習、強化学習、AI エージェント、そして信頼性が高く公平な AI といった多様な分野でキャリアを歩む Srinivasan Arunachalam、Zhang-Wei Hong（PhD '25）、そして Irene Ko（PhD '24）は、常に新規性と厳密性を兼ね備えた課題に取り組み、それを現実の制約を持つシステムへと実装し続けてきました。ここで MIT-IBM コンピューティング研究所は、研究関係の構築と専門知識を産業応用へ流すための架け橋として機能しました。

「業界内の研究所の中で、MIT-IBM は学術協力のポリシーや機会が他社よりも格段に優れていると思います」と話すのは、2020 年に電気工学・情報工学科（EECS）で博士課程を修了し、現在は MIT-IBM コンピューティング研究所に所属する IBM の研究スタッフである Hong です。

ホン氏は、ディープマインドがアトリのゲームをプレイし、特徴量エンジニアリングを通じて生の画面ピクセルから学習できることを発見した際、強化学習に魅了されました。大学院では、同ラボの主任研究者も務める EECS のプルキット・アグラワル准教授のもとで研究を行い、この知見を発展させることに注力しました。具体的には、「モンテズマのリベンジ」というアトリのゲームを用いて価値関数の学習を改善し、エージェントの方針（ポリシー）のパフォーマンスを予測・最適化することを目指しました。

ホン氏はラボと協力して、AI をより現実的な応用に根付かせる技術や、より良い報酬フィードバックを提供する手法を開発しました。これらの技術は、ロボット工学、大規模言語モデル（LLM）、そして科学分野における強化学習など、多様な領域に応用されています。

「好奇心駆動型の探索について、非常にワクワクしています」とホン氏は語ります。これは MIT と IBM の共同大学院研究で得た経験が彼のキャリアを後押ししたものであり、このアプローチによりエージェントは人間のように新しいデータに対して探求心を持ち、テストケースの生成から大規模言語モデル（LLM）の負荷試験、新たな環境への探索まで多様なタスクを実行できるようになります。

現在、ホン氏は自身の学生たちのメンターとして同様のオープンエンド型強化学習研究を継続しており、エージェントやファウンデーションモデルにおけるテスト時トレーニングの調査や、チャートの読み取りやデータベース照会用のツール呼び出しといった企業向けタスクのための IBM エージェントフレームワーク基盤の開発に取り組んでいます。これには探索のための最適化を推進する進化的計算や、展開時のモデル改善に神経科学の知見を取り入れる取り組みも含まれています。

「成功すれば、これは強化学習の実践者全員にとって非常に有用なシステムとフレームワークとなるでしょう。なぜなら、モデルが展開時にオンラインで自己進化し、モデル重みを更新できる初のフレームワークとなるからです」とホン氏は述べています。

アイリーン・コーの研究は、個人的かつ専門的な観点からも価値を重視したものでした。「博士課程の1日目からIBMの研究者と信頼できるAIの研究に取り組み始めました。MIT-IBMからの支援があったからです」とコーは語ります。彼女の目標である、最先端で安全かつ堅牢で正確な公平なAIの開発は、MITやIBMの目標とも一致しており、開発と実世界での展開とのギャップを埋めることに特に有利でした。「これは、純粋な研究と業界標準や価値あるものの間のバランスを本当に取っています」。

さらに、指導教員であるEECSのジョセフ・F・アンド・ナンシー・P・キースリー教授ルカ・ダニエル氏や、IBMの主任研究科学者ピンユー・チェン氏とのMIT-IBMでの協力関係は、コーの研究の方向性とパラメータを定義し、そのインパクトを最大化する手助けをしました。最初はニューラルネットワークで、その後基盤モデルや大規模言語モデル（LLM）においてです。2024年に卒業後、コーは信頼できるAIに関する研究を続けるためIBMリサーチに加入しました。

「博士課程終了後に業界へ進み、特にIBMを選んだ理由は、博士課程中の協力過程で大きな喜びを見出したからです。その5年間のプロセスは、個人的な達成感において非常に高い報酬をもたらしてくれました」とコーは語ります。「この勢いを継続したかったのです」

彼女の現在のプロジェクトは、AI 推論プラットフォームで広く導入されていない信頼性のある手法の課題点を特定することに焦点を当てています。低ランクアダプターのようにモデルの挙動を監視・修正するための追加ステップを追加するのではなく、彼女の研究である vLLM Hook は、LLM のデコードのために隠れ状態や活性化といった内部モデル信号にアクセスできる手段を提供します。このベクトルはトランスフォーマーモジュールに対して作用し、プロンプトインジェクションやハルシネーションの発生確率などを特定する安全性スコアの分析を行います。ここでコ氏は、他の手法よりも大幅なコスト削減が見込めるモデル内部をプログラム可能な軽量な vLLM 推論エンジンプラグインフレームワークを開発しました。「このプロジェクトには非常に誇りを感じています。なぜなら、これが信頼性のある AI の開発とデプロイメントを推論エンジンでつなぐ最初の架け橋となるからです。」

一方、スリニヴァサン・アロナチャラム氏は量子研究に常に携わってきましたが、理論の他の分野も絶えず探求し、予期せぬ調査や論文の中から量子的な洞察と深い数学的知見を見つけ出そうとしています。「最初に見た瞬間は気づきません。これは単なる標準的な問題だと考えがちですが、さらに詳しく調べてみると、そこから非常に興味深い数学が導き出されることがあります。私はそれがとても素晴らしいと思います」と彼は語ります。

この経緯から、アヌラチャラム氏は 2018 年、MIT の物理学部にあるアラム・ハロウ教授の研究室でポスドクとして研究を開始しました。学習理論を最優先する視点に立ち、量子計算による高速化が期待できるアルゴリズム、サブルーチン、回路を探求していたのです。

電気工学および物理学のジュリアス A. ストラトン教授であり、MIT-IBM 共同プロジェクトの責任者でもあるアイザック・チュアン氏との対話を通じて、アヌラチャラム氏は同研究室や IBM のクリスタン・テメ研究員と協力関係を築きました。

IBM への円滑な移行後、アヌラチャラム氏は近未来の量子デバイスで実際に実装可能な課題に注力するようになりました。その際、最近傍接続アーキテクチャやノイズの影響、観測量の簡素化といった制約条件を常に念頭に置いていました。

この時期、アヌラチャラム氏は量子機械学習や、古典計算よりも量子計算が優位性を発揮できる分野に焦点を当てました。そして、直感頼みのヒューリスティック手法から、理論に基づいた証明可能性を重視する方向へとシフトしていきました。MIT と IBM の連携は、抽象的な理論的問いを実践的な研究課題へと変える役割を果たし、その成果として 2 つの主要な論文が生まれました。

1 つ目は ハミルトニアン学習に関するもので、量子系のダイナミクスを学習する際の厳密な保証を提供したものです。もう 1 つは 量子カーネルに関する研究で、広く信じられている計算困難性の仮定の下では、量子特徴空間が古典的なカーネルよりも優位性を発揮しうることを理論的に示したものです。

アルナチャラム氏はまた、他の人が見逃した可能性のある問題の構造を解明するために、コンピュータサイエンスの異なる分野に没頭し、知識基盤を広げ続けています。「私が特に熱心に支持しているのは、異なる分野間のつながりを明らかにすることです。」これにより、完全に古典的にシミュレーション可能な量子オブジェクトから極めて複雑な量子オブジェクトに至るまで、量子状態の学習を探索することが可能になりました。

ホン氏、アルナチャラム氏、コ氏はそれぞれ異なる領域を扱っていますが、彼らに共通する直感があります。それは、原理的に可能であることと実用上有用であることの間の空間でアイデアを移動させることです。それぞれのやり方で、MIT-IBM 計算研究ラボのような共同研究から得た知見を活用し、「キラーアプリケーション」を開発しています。これは、基礎研究が研究室の壁を超えて現実世界でも価値を持つことを証明する具体的なユースケースです。