ニューヨークを拠点とする量子ミドルウェア開発企業の[H](https://h[a](https://haiqu.ai/)iqu.ai/)aiquとHSBCは、Physical Review Researchにおいて、量子コンピューティングの最も重大なハードルの一つである量子状態準備を克服する方法を実証する査読付き研究を発表した。このプロセスは、量子アルゴリズムが処理できるように、古典的データ(金融確率分布など)を量子状態にエンコードすることを含む。
この研究は、浅い量子回路、つまり演算数が少なく深さが低い回路の作成に焦点を当てている。これにより、今日のNISQ(Near-Intermediate Scale Quantum)デバイスに蔓延するノイズやエラーの影響を受けにくくなる。
共同チームは、確率分布のような滑らかな関数を近似するために、テンソルネットワーク法である行列積状態(MPS)を利用した。これにより、量子ビット数に対して指数関数的ではなく線形(O(N))にスケールする量子回路の構築が可能になる。
主要な技術的ハイライトは以下の通り:
- 次元削減: この手法はTensor Cross Interpolation (TCI)を使用して、古典メモリに指数関数的に大きなデータセットを保存する必要なく回路を構築します。
- ハードウェア検証: このアプローチはIBM Quantumハードウェア（ibm_torino、ibm_marrakesh、ibm_kingstonプロセッサを含む）でテストされました。
- スケーリングの成功: 研究者たちは最大156量子ビットの回路の実行に成功しました。小規模（最大25量子ビット）では、サンプリングされたデータが標準的な統計検定（Kolmogorov-Smirnov検定など）に合格し、エンコードされた分布の高い忠実度が証明されました。
この共同研究は特にレヴィ分布を対象としており、これは金融機関が極端な市場イベント(いわゆる「ブラックスワン」イベント)を予測するために使用する「裾の重い」モデルである。標準的な古典モデルはその複雑さゆえにこれらの分布の扱いに苦労することが多いが、量子システムは高次元確率モデリングに自然に適している。
「複雑な確率分布を効率的に準備することは、多くの量子アルゴリズムにおける重要なステップです。この研究は、それらがはるかに浅い量子回路で実装できることを示しており、金融リスクモデリングなどの実用的な応用をより身近なものにしています。」
—フィリップ・インタルラ、HSBC量子技術部門責任者
これらの分布を読み込むために必要な回路深度を削減することにより、この研究は量子金融をリスク評価、ポートフォリオ管理、デリバティブ価格設定における理論的な概念実証から実世界での実行へと前進させている。
Haiquからの公式プレスリリースおよびPhysical Review Researchに掲載された査読付き研究の全文を参照することができる。
2026年4月28日
