Classiq Technologiesは、金融量子コンピューティングにおける重要な節目を発表し、クレジットポートフォリオのリスク管理のためのモンテカルロシミュレーションアルゴリズムにおいて、最大95%の量子回路圧縮を達成しました。このプロジェクトは住友商事とみずほ-DLフィナンシャルテクノロジーとの提携のもと実施され、特にバリューアットリスク（VaR）計算に使用される大規模な確率モデルのシミュレーションにおける量子アルゴリズムの実現可能性を評価することを目的としていました。
モンテカルロ法は、デリバティブ価格設定や資産リスク評価などの金融タスクで広く使用されていますが、必要となる多数のランダムシナリオにより計算負荷が高くなります。みずほ-DL FTは、必要な量子ビット数を削減するために疑似乱数生成を用いる新しいアプローチを導入しました。ただし、これにより障害耐性に影響を与える可能性のある、より深い回路が導入されることになります。Classiqの量子回路設計プラットフォームは、高水準量子言語Qmodを使用して、従来型および疑似乱数量子モンテカルロシミュレーションの両方の回路を生成し圧縮しました。
研究では、両タイプの回路とも、計算精度を維持し量子ビット数を大幅に増加させることなく、深さを最大95%まで圧縮できることが実証されました。この深さの削減は、近期の量子コンピューティングにおける主要なボトルネックである、ノイズ感受性とハードウェアリソース消費の低減に直接的な影響を与えます。この結果は、特に従来の手法では対応が困難な大規模シミュレーションにおいて、量子加速されたリスク分析の可能性を支持しています。
この成果は、量子アルゴリズムの早期実用化を可能にする自動量子回路最適化の価値を強調しています。量子回路設計を高水準でハードウェアに依存しないコードに抽象化するClassiqの技術は、金融などの実世界の領域におけるアルゴリズム実装の境界を押し広げ続けており、クラウドやHPCバックエンドとの統合もサポートしています。
背景
モンテカルロ法は、確率的なシミュレーション手法の一つです。多数のランダムなシナリオを生成し、それらの平均を取ることで、デリバティブ価格設定や資産リスク評価などの複雑な金融タスクの結果を推定します。しかし、必要なシナリオ数が多いほど計算負荷が高くなるという課題があります。
量子回路の「深さ」とは、量子ビットに対する演算の段数を指します。深さが大きいほど、ノイズの影響を受けやすくなり、計算エラーが発生しやすくなります。今回の成果では、回路の深さを最大95%まで圧縮することで、ノイズ感受性とハードウェアリソース消費を低減させることに成功しました。
Qmodは、Classiqの量子回路設計プラットフォームで使用される高水準量子言語です。ハードウェアに依存しないコードを記述し、量子回路を自動生成・最適化することができます。これにより、金融などの実世界の問題に対して、アルゴリズムの実装を容易にしています。
関連する記事として金融計算最適化における高レベル量子モデリングとGPUアクセラレーション、ClassiqとParityQCが提携してハードウェア対応回路最適化を効率化、Classiq プラットフォームが AWS マーケットプレイスで利用可能に、企業の量子コンピューティング導入を加速もあわせてご覧ください。
2025年3月25日
