量子プラットフォーム開発企業であるOxford Quantum Circuits (OQC)は、グローバル金融機関であるCitiおよび英国のNational Quantum Computing Centre (NQCC)と協力し、共同技術ケーススタディを完了しました。NQCCのSparQユーザー参画イニシアティブの下で実施されたこの研究では、金融デリバティブ価格決定を支配する偏微分方程式（PDE）を解くために、パラメータ効率的な量子機械学習と物理情報ニューラルネットワーク（PINNs）を組み合わせることの運用上の実現可能性を評価しました。
デリバティブ価格決定エンジンは、ブラック・ショールズモデル、デュパイア局所ボラティリティモデル、フル・ホワイトフレームワークモデルなどの偏微分方程式に依存して、連続的なオプション価格曲面を構築し、リスク感応度測定（グリークス）を計算します。この共同イニシアティブは、Quantum-Train圧縮プロトコルを用いた量子圧縮物理情報ニューラルネットワーク（QPINNs）を実装しました。パラメータ化された量子回路を浅いニューラルネットワーク層に埋め込むことで、モデルは支配的な価格決定方程式の連続解を学習しつつ、古典的パラメータのフットプリントを削減します。
| [ OQC、Citi & NQCC ハイブリッドQPINNデリバティブ価格決定パラメータ ] | ||
|---|---|---|
| モデリングコンポーネント | アルゴリズム＆アーキテクチャ設計 | 測定されたパフォーマンストレードオフ |
| 金融問題領域 | • PDEによって支配されるデリバティブ価格決定曲面• ブラック・ショールズモデル＆局所ボラティリティモデル | • 高次元オプション・ペイオフ評価• 連続価格曲面の外挿 |
| 量子AI圧縮スタック | • 物理情報ニューラルネットワーク（PINNs）• Quantum-Trainパラメータ化回路層 | • 大幅なパラメータ数削減• 価格決定誤差は古典的オーダー内に維持 |
| 運用上のボトルネック | • 古典的PINNベースライン vs. QPINNs• 勾配ベースの損失関数最小化 | • 価格決定のキンク/不連続性が誤差を増加• 現在のQPUにおける量子回路サンプリング遅延 |
ベンチマーク結果は、主要な隠れ層に量子回路表現を適用することで、許容可能なベースラインの桁以内で価格決定精度を低下させることなく、モデルの複雑性を大幅に圧縮できることを実証しました。しかし、この研究では重要な運用上の制約も特定されました。圧縮効果は層の配置によって異なり、価格決定の急激な不連続性や高いボラティリティ感応度がある領域では、モデリング誤差率が高くなることが判明しました。QPINNは大幅なパラメータ削減を提供しますが、繰り返しの量子回路評価や勾配逆伝播を含む古典的実行オーバーヘッドは、ハードウェアの成熟に伴い、より深い古典量子統合の必要性を浮き彫りにしています。
このプロジェクトは、エンタープライズ市場向けに共同設計された量子ワークフローを開発するというOQCのアプリケーション重視戦略に沿ったものです。このケーススタディは、金融リスクパイプラインにわたるOQCのより広範なベンチマーク活動に基づいており、Credit Valuation Adjustment（CVA）およびValue-at-Risk（VaR）モデリングに関するTrust Baseとの最近の共同アルゴリズムリソース研究を補完するものです。
ケーススタディの詳細はOxford Quantum Circuitsのこちらから、プログラムの詳細はNQCC SparQのこちらからご覧いただけます。また、OQCとTrust Baseによるハイブリッド量子金融ワークロードのベンチマークに関する当社の以前の技術分析はこちらでお読みいただけます。
2026年9月22日
