量子プラットフォーム開発企業であるOxford Quantum Circuits (OQC)は、Sumitomo Mitsui Trust Groupのデジタルイノベーション子会社であるTrust Baseと共同で技術ベンチマーク施策を完了した。本プロジェクトでは、デリバティブ価格評価、Value-at-Risk（VaR）、Credit Valuation Adjustment（CVA）、想定最大エクスポージャー（EPE）モデリングなど、中核的な金融コンピューティングワークフローにおいて、古典アルゴリズム、ハイブリッド古典量子アルゴリズム、フォールトトレラント量子アルゴリズムを評価した。
本研究では、Black-Scholes／Garman-Kohlhagen、Dupire局所ボラティリティ、Hull-Whiteモデルファミリーにわたり、4つの計算アーキテクチャをベンチマークした：古典モンテカルロベースライン、古典的Physics-Informed Neural Networks（PINNs）、量子圧縮Physics-Informed Neural Networks（QPINNs）、振幅推定によるQuantum Monte Carlo（QMC）である。QPINNの量子特徴マップはパラメータ効率を示した一方、古典的PINNは現在のハードウェアにおいてGammaのような高次感度計算で優れたウォールクロック実行時間と数値的安定性を実証した。Quantum Monte Carloについては、実行プロファイリングにより、Quantum Signal Processing（QSP）などのアルゴリズム最適化がTゲートで最大16倍、論理量子ビットで4倍のリソース削減を実現できることが示された。
| 金融アルゴリズム評価・リソーススケーリングベースライン | ||
|---|---|---|
| アルゴリズムアーキテクチャ | 金融ワークフロー性能 | ハードウェア・コンパイル制約 |
| 古典的PINNs vs. QPINNs | ・連続プライシング曲面学習・CVA／EPEエクスポージャー軌道評価 | ・QPINNは高い回路実行レイテンシを示す・Gamma感応度はノイズに敏感 |
| Quantum Monte Carlo（QMC） | ・デリバティブ価格評価のための振幅推定・経路依存型オプション期待値プロファイリング | ・物理量子ビットはエンコーディングに比例して増加・QSPはTゲートで最大16倍のリソースコスト削減 |
本レポートのフォールトトレラントリソース推定によれば、ハードウェアの誤り訂正閾値を1%から5%に引き上げる（デュアルレールまたはイレイジャー量子ビットアーキテクチャを利用）ことで、32量子ビットの確率エンコーディング構成に必要な物理量子ビット数を約40万4,000から13万まで削減できる。本共同研究は、QPUの忠実度とコンパイラツールが成熟するにつれて、ハイブリッド量子ソルバーを企業向け金融リスクパイプラインに統合するための実践的枠組みを確立するものである。
技術調査の詳細は、こちらからOQCテクニカルリソースで確認できる。
2026年9月16日
