Kipu Quantumは、量子強化機械学習モデルが古典ハードウェア上で完全に推論操作を実行できるオフライン型のデジタル化量子特徴抽出(DQFE)パイプラインをリリースした。このアーキテクチャは量子処理と古典処理のループを分離し、量子プロセッサの使用を初期の特殊な訓練段階に限定している。アクティブな推論ループ中のリアルタイム量子処理ユニット(QPU)への依存を排除することで、このフレームワークはマルチユーザークラウドキューの遅延や継続的なハードウェアアクセスコストといった運用上のボトルネックを取り除く。このシステムは、156量子ビットのIBM Quantum Heron r2プロセッサを含むIBM Quantumハードウェア上で、複数の大規模エンタープライズ分析ユースケースにわたって検証されている。
DQFEパイプラインは、主要な古典訓練データセットの代表的な層別サブサンプル(通常20%)を物理的な超伝導量子プロセッサで処理することで機能する。ハードウェアはこれらの入力ベクトルをスピングラスハミルトニアンにエンコードし、デジタル化された反断熱駆動プロトコルを使用して、非線形データの多重相関を高次元ヒルベルト空間にマッピングする。これらの高い表現力を持つ量子特徴表現が抽出されると、正則化リッジ回帰で訓練された軽量な古典代理モデルに転送される。この代理モデルは数学的プロキシとして機能し、単一の行列乗算を使用して生の古典入力から直接量子特徴マッピングを再現することを学習する。結果として得られる本番モデルはマイクロ秒の推論遅延で実行され、標準的なMLOpsパイプラインと統合され、ライブ量子実行のオーバーヘッドを回避する。
このオフラインフレームワークはKipu Quantumの商用Rimay製品スイートに統合されており、同社の集中型クラウドハブプラットフォームを通じてアクセス可能である。確立された古典ベースラインに対して実施された本番テストでは、分子毒性分類で10%の精度向上、医療診断画像処理でResNet-50ベースラインの0.866に対して0.932の曲線下面積(AUC)、TreeSatAIベンチマークを使用した衛星ドローン画像処理で3%の絶対精度向上が得られた。NTT DATA、KPMG、エネルギー事業者MOEVEを含むグローバルエンタープライズパートナーは、古典ITの調達条件を変更することなく、スパースでノイズの多いデータセットで精度向上を確保するために、この代理アーキテクチャを展開している。グローバル技術研究機関Global Quantum Intelligence(GQI)は、アクティブな量子ハードウェアコストの5倍削減により、データ集約型商業運用における経済的量子優位性への即座の道筋が可能になることを検証した。
オフラインフレームワークに関する公式プレスリリースと、arXivのプレプリント学術論文で完全なエンジニアリング手法を確認できる。基盤となるソフトウェアリリースの歴史的背景については、初期Rimay製品プラットフォームローンチに関するQuantum Computing Reportの分析を参照されたい。
2026年5月20日
