記事の要約
- 量子コンピュータによる創薬とは、候補の組み合わせを絞る「量子最適化」と、分子の電子状態を計算する「量子化学計算」の2つの計算を指します。
- 2026年時点で創薬に使われているのは量子インスパイアード技術と小規模な量子・古典ハイブリッド計算が中心で、量子コンピュータ単体での優位性は確立していません。
- 国の目標では2030年までに部分的な誤り耐性を持つ量子コンピュータの実現が掲げられており、製薬企業は最適化問題の整理とデータ整備から準備を始める段階にあります。
「量子コンピュータが創薬を変える」という見出しの一方で、自社のR&Dに何がいつ使えるのかは見えにくく、経営企画に「量子への投資は必要か」と問われても期待と現実の境目を説明しにくいものです。
本記事では、量子コンピュータが創薬で何を計算できるのかを2つの計算の仕組みから説明し、富士通や塩野義製薬など5件の実名事例と2026年の現在地を一次情報で整理します。
東京大学松尾研発のAIスタートアップとして製薬分野のAI開発を手がけ、NEDOの量子プログラムに採択された弊社の経験も踏まえて解説します。
目次
量子コンピュータが創薬で担う2つの計算：量子最適化と量子化学計算
量子コンピュータが創薬で担う計算は、候補の組み合わせを絞る最適化と、分子の性質を求める量子化学計算の2つに集約されます。どちらも古典コンピュータでは計算量が爆発的に増える領域で、だからこそ量子計算に期待が集まります。
2つは解く問題も装置も異なるため、自社の課題がどちらに当たるかを先に見分けることが出発点です。
量子最適化：組み合わせの爆発を「エネルギーが最も低い状態」として探す
量子最適化とは、多数の選択肢から最良の組み合わせを探す問題を、物理系のエネルギー最小化に置き換えて解く手法です。各候補を選ぶか選ばないかを0か1で表し、良い組み合わせほどエネルギーが低くなるように式を組みます。
物理系は低いエネルギーの状態へ落ち着こうとするため、量子アニーリング（＝量子のゆらぎで低エネルギー状態に落ち着かせる計算方式）で系を落ち着かせれば、行き着いた状態が良い組み合わせを示します。
創薬では、環状ペプチドの安定構造の探索や、組み合わせて使う菌や化合物の選定がこの形に当てはまります。候補が数十個を超えると総当たりは不可能になり、「良い解を現実的な時間で」見つける手段として最適化が使われます。
数理最適化そのものの事例は「数理最適化の事例8選」で整理しています。
量子化学計算：分子の電子状態を量子ビットで表す
量子化学計算とは、分子内の電子の振る舞いを計算し、エネルギーや反応性を求める計算です。電子の数が増えると取り得る状態の数は指数関数的に増え、古典コンピュータでは近似に頼らざるを得ません。
量子コンピュータは電子の状態を量子ビットで直接表せるため、量子回路の設定を古典側で調整して最低エネルギーを探す、量子・古典ハイブリッド手法（＝量子計算機と通常の計算機を組み合わせる方法）が使われます。
創薬での使いどころは、標的タンパク質と化合物の結合の強さや、薬物代謝に関わる酵素の反応の計算です。近似が当てはまりにくい反応ほど量子計算の意義が大きい一方、扱える分子の大きさは現状では限られます。
AIはデータからパターンを学ぶ帰納の手法で、データが豊富な標的に向きます。量子化学計算は物理法則から解く演繹の手法で、データの少ない新規標的や新しい種類の薬に向きます。
実務では生成AIが候補を出し、量子化学計算で精密に評価する分担になるため、AIの成果と量子の成果を混同せずに読むことが基本です。
ゲート型・量子アニーリング・量子インスパイアードの違い
「量子」と名の付く計算技術は3種類あり、事例を読むときは、どの装置で計算したかを最初に確認する必要があります。同じ「量子創薬」でも、実機を使ったものと古典計算機上の手法が混在しているためです。
| 種類 | 仕組み | 得意な計算 | 2026年の状況 |
|---|---|---|---|
| ゲート型量子コンピュータ | 量子ビットにゲート操作を行う汎用型 | 量子化学計算・探索 | 百数十量子ビット規模（IBM Heron r2は156量子ビット）。誤り訂正は研究段階 |
| 量子アニーリング | 量子のゆらぎで低エネルギー状態を探す専用機 | 組み合わせ最適化 | 商用機あり。問題規模と精度に制約 |
| 量子インスパイアード | 量子の考え方を古典回路で実行 | 組み合わせ最適化 | 実務利用が先行。量子コンピュータではない |
量子インスパイアードとは、量子計算の考え方を取り入れたアルゴリズムを従来のデジタル回路で実行する技術です。富士通のデジタルアニーラが代表例で、今日の実務成果の多くはインスパイアードかハイブリッドです。
量子×創薬の事例5選｜富士通・塩野義製薬・IBMなどの公表情報
企業や研究機関が公表した量子×創薬の事例を5件取り上げます。一次情報にある事実だけを書き、数値のない事例は「検証した」までにとどめます。
1. 富士通×ペプチドリーム：環状ペプチドの安定構造を12時間以内に探索
富士通とペプチドリームは2020年10月、中分子医薬の候補である環状ペプチドの安定構造探索を、デジタルアニーラとHPCの連携で12時間以内に高精度で実施しました。候補全体の精密計算は重すぎるため、デジタルアニーラで候補を絞ってからHPCで全原子の位置を決める2段構えです。
実験で得た構造との主鎖のずれは0.73Åで、実験とほぼ同等の精度とされています。量子インスパイアード技術が創薬の計算工程に実用水準で入った例ですが、候補が臨床に進んだという発表ではありません。
2. 塩野義製薬：NEDOの量子懸賞金プログラムでQoL領域の1位
塩野義製薬は、NEDOの懸賞金活用型プログラム「量子コンピュータを用いた社会問題ソリューション開発」で、候補化合物の構造生成と分子間相互作用エネルギー評価の両輪による創薬課題解決をテーマに、QoL領域の1位（懸賞金4,000万円）を受賞しました。
国内の製薬大手が量子計算を創薬課題に当てはめ、第三者の審査で評価された事例です。受賞型の事例では、実機で計算したか、比較対象は何か、臨床に進んだかを分けて確認します。
3. クリーブランド・クリニック×IBM：タンパク質の電子状態を量子計算で初めて計算
クリーブランド・クリニックとIBMの研究チームは2026年3月、303原子のミニタンパク質Trp-cageの電子状態を量子コンピュータで初めてシミュレーションしました。
使ったのはSQD（＝重要な電子配置を量子側で抜き出し、古典側で解く手法）です。古典の近似が外れやすい電子配置だけを量子側に回し、残りを古典で解くため、限られた量子ビット数でも計算が成り立ちます。
結果は高精度な古典手法に迫るとされ、同年5月には理化学研究所も加わって12,635原子のタンパク質とリガンドの複合体まで規模を広げました。
一方で、IBM自身が最良の古典手法をまだ上回っていないと明記しており、研究報告の段階です。
4. IonQ×アストラゼネカ：鈴木・宮浦反応の計算をハイブリッドで20倍高速化
IonQは2025年6月、アストラゼネカなどと共同で、低分子医薬の合成に使われる鈴木・宮浦カップリング反応の主要な段階を量子・古典ハイブリッドで計算しました。量子プロセッサとGPUを組み合わせ、従来の実装に比べて計算時間を20倍以上短縮したとしています。
比較対象は古典計算ではなくIonQ自身の以前の実装で、「数か月から数日へ」という短縮も見込み値ですが、製薬企業が反応計算を量子ハードウェアで検証する段階に入ったことを示す事例です。
5. PsiQuantum×国立がん研究センター：誤り耐性量子コンピュータ向けのアルゴリズム開発
米PsiQuantumは2026年3月、国立がん研究センターと共同研究契約を結び、将来の誤り耐性量子コンピュータで動くがん・医療向けアルゴリズムの開発を始めました。装置の実現を前提にした設計段階の取り組みです。
国内の製薬企業との臨床応用の開発も発表されていますが、社名や数値は示されていません。ハードウェアの完成を待たずにアルゴリズムの準備を先行させるという関わり方を示しています。設計段階の事例では、想定する装置の規模と実機で試せる時期を確認します。
参照元：富士通「富士通とペプチドリーム、高速かつ高精度に中分子医薬品候補化合物の探索を実現」（2020年10月）／NEDO「「NEDO懸賞金活用型プログラム／量子コンピュータを用いた社会問題ソリューション開発」の受賞者を発表しました」（2026年10月）／IBM「Trp-cage」（2026年3月）、「RIKEN」（2026年5月）／IonQ「AstraZeneca, AWS, and NVIDIA」（2025年6月）／PsiQuantum「National Cancer Center Japan」（2026年3月）
2026年の現在地と限界：NISQ時代に期待してよいこと
現在の量子コンピュータは、NISQ（＝誤り訂正のない中規模の量子計算機）の段階にあります。2026年11月時点で、創薬の実務で量子コンピュータが古典計算を上回った例は確認できません。
限界の原因は、量子ビットのノイズと規模です。計算が長くなるほど誤りが蓄積するため、薬物代謝酵素のような大きな分子を精密に扱うには、誤り訂正を備えた誤り耐性量子コンピュータ（FTQC）が必要とされます。
中外製薬はデロイト トーマツと、量子コンピュータで分子間相互作用を精密に計算する手法を共同で実証しています。水分子2つの相互作用を題材に、誤差0.02 kcal/molの精度を保ったまま必要な量子ビット数とゲート数を減らす手法を提案しました。
精度の目安は、化学反応の予測に要る「化学的精度」が1 kcal/mol、投薬量の違いの判別が約0.4 kcal/molです。
実機ではなくシミュレータでの検証で、同社は本格的なFTQCの登場を2030年前後と見込んでいます。
国の時間軸を示す内閣府のムーンショット目標6は、2030年までに小規模または部分的な誤り耐性を持つ量子コンピュータを実現し、2050年頃に大規模な誤り耐性型汎用量子コンピュータを実現する目標です。
この時間軸を製薬R&Dの計画に重ねると、今後5年の成果は最適化とハイブリッド計算で、分子全体の精密計算は2030年代以降という読み方になります。
今の投資先は専用機の購入や大型の実証ではなく、装置が替わっても持ち越せる問題設定とデータ整備です。
参照元：内閣府「ムーンショット目標6」（2026年11月閲覧）／中外製薬「創薬の”計算の壁”を超える―中外製薬が描く量子コンピュータ」（2026年7月）
製薬R&D・経営企画が今から準備する3つのこと
現在地を踏まえると、製薬企業が今から取る行動は大型投資ではなく、量子計算が使えるようになった日に困らない準備です。弊社の量子最適化の研究開発の経験から、準備を3つに整理します。
1. 自社の課題を最適化問題として言語化する
量子最適化の対象になるのは、「何を選び、何を最大化し、どんな制約があるか」が定義された問題だけです。候補化合物の選定や製造スケジュールなどを変数・目的関数・制約の3点で書き出す作業が出発点になります。
この言語化を怠ると、量子コンピュータが使えるようになっても渡す問題がなく、ベンダーの提案も評価できません。
2. 量子化学計算の対象分子と精度要件を決める
量子化学計算を試す場合は、どの標的・どの反応で、どの精度が必要かを決めることが先です。自社のパイプラインで、古典の近似計算が外れやすい反応を1つ特定しておくと、検証テーマが決まり、ベンダーとの会話も具体的になります。
3. 小さく検証できる体制とデータを整える
量子計算の検証は、シミュレーターやクラウド経由の実機で小さく始められます。必要なのは、検証に使えるデータが整理され、結果を判定する基準が先に決まっていることです。
この条件はAI活用の実証と同じで、製薬業界のDXで繰り返し指摘されてきた課題です。基準を後回しにすると、出た結果が良かったのか判断できず、古典手法との比較もできません。
製薬業界のDXの進め方は「製薬業界のDX推進ガイド」で、製薬でのAI活用の事例は「製薬業界のAI活用最前線」で解説しています。
量子×創薬は研究段階ですが、問題の言語化とデータ整備は今から進められます。弊社は事例2と同じNEDOのプログラムに採択され、多剤耐性菌（MDRO）の治療戦略として、病原菌の栄養を断つ菌の最適な組み合わせを量子最適化で探しています。
量子アニーリングなどで菌の組み合わせを探索し、量子シミュレーションで常在菌と病原菌の相互作用を予測する2本立てで、2026年1月にはNEDOの研究開発討議会（第1回）でポスター発表を行いました。
数理・AI・量子計算を組み合わせた伴走型の技術開発は、お問い合わせからご相談ください。
参照元：株式会社EQUES「NEDO「量子コンピュータを用いた社会問題ソリューション開発」採択」／「採択のお知らせ」（2025年12月）
量子コンピュータと創薬に関するよくある質問
Q. 量子コンピュータは創薬にいつから使えますか？
組み合わせ最適化は量子インスパイアード技術などで今日から試せます。精密な量子化学計算は誤り耐性量子コンピュータが前提で、国の目標では2030年です。
Q. 量子アニーリングと量子インスパイアードはどちらを選ぶべきですか？
実務で解きたい最適化問題があるなら、問題規模と精度の制約が少ない量子インスパイアードから始めるのが現実的です。
Q. AI創薬と量子創薬はどう違いますか？
AI創薬はデータから学ぶ帰納、量子創薬は物理法則から解く演繹の手法で、補い合う関係です。詳しくは「AI創薬とは？」で解説しています。
Q. 製薬企業が量子計算を試すには何が必要ですか？
クラウド経由の実機やシミュレーターで検証でき、大型の設備投資は不要です。必要なのは、定義した課題・検証用データ・判定基準の3点です。
まとめ
本記事の要点は次のとおりです。
- 量子×創薬の計算は、候補を絞る量子最適化と、分子の電子状態を求める量子化学計算の2つに分かれる
- 富士通・塩野義製薬・IBM・IonQ・PsiQuantumの事例は検証や研究報告の段階で、古典計算を上回った実務例はない
- 国の目標は2030年に部分的な誤り耐性、2050年頃に汎用機であり、製薬企業は問題の言語化とデータ整備から始める
自社の創薬課題への当てはめを検討する段階でも、お気軽にご相談ください。最後までお読みいただき、ありがとうございました。
量子×創薬の準備を、研究開発の伴走で進めませんか
問題の言語化とデータ整備から、AI PoCサービス「ココロミ」で伴走します。まずは無料相談からどうぞ。
