ストックホルムを拠点とするスタートアップFirstQFMは、特許出願中の量子基盤モデル（QFM）を活用した機械学習プラットフォームを発表した。このプラットフォームは、高価値な企業予測のために量子リザバーコンピューティング（QRC）システムを最適化する。ドイツで開催されたISC High Performance 2026カンファレンスで発表されたこの画期的成果は、ノイジー中規模量子（NISQ）デバイスの即時的応用を実証している。環境ドリフトやハードウェアの脆弱性に影響されやすい従来の固定リザバー設計を超えて、FirstQFMのプラットフォームは局所的でタスク固有の量子特徴層を生成する。このシステムは、主要な古典的時系列モデルとのベンチマーク比較において、ゼロショット予測精度で56.1%のシリーズレベル勝率を達成した。
量子リザバーコンピューティングは、低深度量子回路が高次元特徴生成器として機能するハイブリッド配列モデリングフレームワークとして動作する。量子システムは入力配列を受け取り、複雑な多体リザバーダイナミクスの下で進化し、空間測定を経て軽量な古典的読み出し層に豊富な特徴マップを供給する。単一の静的リザバーに依存する標準的な実装とは異なり、FirstQFMは学習された文脈情報を活用して、基盤となるプロセッサの物理的状態と予測問題の特定の特性に合わせてリザバーをカスタマイズする。
アルファ版システムは、個別株式、グローバル指数、暗号資産、商品を含む41の日次金融リターン予測タスクで評価された。データ漏洩を防ぐためにトレーニングから完全に除外されたシリーズに対する厳格なゼロショット評価において、FirstQFMのQRCアーキテクチャは、Google、Amazon、Salesforceが開発した主要な時系列基盤モデルよりも低い平均二乗誤差（0.000485 MSE）と高い方向性精度を実現した。初期リザバーは、EuroHPC共同事業が支援する高性能システムであるLeonardoスーパーコンピュータ上で、NVIDIA cuQuantum SDKとcuTensorNetライブラリを使用して古典的シミュレーション可能性の限界で生成された。
より大規模でシミュレーション不可能なリザバーでモデルを検証するため、チームはRigetti Computingのマルチチップ超伝導量子ハードウェアで最終ベンチマークを実施した。この物理的実装により、平均方向性予測精度はさらに54.74%まで向上し、DAX 30やDow 30などの主要指数で単一シリーズMSEの52.95%削減というピーク値を記録した。
これらのアルファ版の結果を受けて、FirstQFMは選定されたパイロットパートナー向けにベータ版システムの申し込みを開始し、不規則なデータサンプリング、欠損変数、変動する運用制約を特徴とする多変数企業時系列に対応する。物理的量子ビット特性の変化が生成された特徴表現を不安定化させる可能性があるハードウェアドリフトからダウンストリームのパフォーマンスを保護するため、ベータ版アーキテクチャには、デバイスの状態変化に合わせて特徴抽出ループを動的に再調整するハードウェア認識安定化層が組み込まれている。企業展開に向けて、同社はクラウドとオンプレミスの二重市場投入戦略を採用している。オンプレミスモジュールはNVIDIA NVQLinkを活用して、ローカライズされたGPUサーバーと量子システムコントローラー間に低レイテンシ、高スループットの直接接続を確立し、企業オペレーターがシンプルな自然言語制御を介して直接予測または再利用可能な特徴層を切り替えることを可能にする。
技術的ベンチマーク指標、製品レベルの企業向け制御機能、パイロットパートナーの展開スケジュールは、FirstQFMの公式プレスリリースで確認でき、包括的な数学的ワークフローとアーキテクチャ図はFirstQFM Research Blogで公開されており、より広範なマルチプロバイダーソフトウェアコンテキストはNVIDIA Ecosystem Updatesで入手可能である。
2026年6月23日
