[014-1]量子計算與人工智慧融合：突破傳統技術瓶頸的未來之路🆓

隨著量子電腦與機器學習的融合持續發展，美英量子電腦公司Quantinuum（クオンティニュアム）在量子生成式AI（人工智慧）研究方面進行了創新的探索。2025年1月22日，該公司發表了一篇部落格文章，探討如何利用量子電腦重新構建機器學習模型。隨著生成式AI的發展，傳統計算成本不斷攀升已成為一大挑戰，而量子電腦因其潛在優勢被視為解決此問題的重要手段。透過發揮量子電腦的獨特特性，該技術能夠高效處理傳統電腦難以應對的計算任務，從根本上革新AI技術。

此外，量子電腦的應用有望大幅降低計算資源與能源消耗。目前的大型語言模型（LLM）運行成本高昂，並伴隨顯著的環境負荷，但量子電腦具有更強的可擴展性，能夠突破傳統系統的限制。例如，訓練GPT-3需要約1300兆瓦時的電力，而透過量子計算，將有機會在降低能耗的同時構建高性能模型。

Quantinuum的研究團隊專注於將現有的NLP技術（如單詞嵌入、遞歸神經網絡、Transformer）適應於量子環境。他們不只是簡單地複製現有技術，而是充分發揮量子特性，進行最佳化。例如，透過量子單詞嵌入技術，他們成功地將自然語言映射至量子電路與量子比特。此外，他們開發了量子遞歸神經網絡（RNN），並應用於電影評論的情感分析任務，僅使用4個量子比特便達到了與傳統RNN、GRU、LSTM相當的性能，顯示出顯著的計算資源節約潛力。

此外，Quantinuum開發了量子Transformer「Quixer」，並針對量子架構進行優化。這項技術使得模型能夠在發揮量子計算優勢的同時，仍保持與傳統Transformer相當的性能。這一成果標誌著量子機器學習模型首次在實際數據集上取得成功，證明了AI與量子電腦融合的可行性。

另一項技術創新是量子張量網絡的應用，這種方法能夠高效處理高維數據，並被視為一項關鍵突破。透過利用適合量子計算的樹狀結構張量網絡，研究人員成功在最少的量子比特條件下實現了高級計算能力。此外，最新研究顯示，在隨機電路取樣任務中，量子電腦的能源效率比最先進的超級電腦「Frontier」高出3萬倍。

在這一系列技術創新推動下，Quantinuum宣布與日本軟銀展開合作研究，主要聚焦於兩大領域：(1) 量子數據中心的市場調查與商業模式開發，(2) 量子技術的應用案例驗證與實機測試。量子數據中心計畫結合CPU、GPU與QPU（量子處理單元），以實現高效能計算並評估其商業可行性。此外，量子技術的應用範疇包括全光網路中的光開關材料開發，以及網路異常與不法行為檢測。

然而，量子電腦的實用化仍面臨諸多挑戰，包括(1) 建立可行的商業模式、(2) 確立具體的應用案例、(3) 推動硬體與軟體技術進步。特別是硬體性能的提升與誤差校正技術的發展至關重要，因此軟銀與Quantinuum將攜手共同應對這些課題。

Quantinuum執行長Raj Hazra表示：「與軟銀的合作將有助於提升AI的能力，並提供創新的解決方案來克服未解決的挑戰。」而軟銀的湧川隆次則表示：「透過與Quantinuum的合作，我們將努力解決量子電腦在日本市場落地的挑戰，並率先實現全球領先的應用。」

量子電腦與AI的融合被視為突破傳統計算技術極限的關鍵，並有望開創全新可能性。未來，Quantinuum與軟銀的研究成果預計將加速量子技術的實用化，並推動量子AI時代的到來。

[Reference]

1.https://www.nikkei.com/prime/tech-foresight/article/DGXZQOUC312Q50R30C25A1000000
2025年2月4日 5:00　編集者の視点「AIの問題を量子コンピューターが解決」
Editor's Focus NIKKEI Tech Foresight編集長　高野敦

2.https://www.quantinuum.com/blog/quantum-computers-will-make-ai-better
January 22, 2025
Today’s LLMs are often impressive by past standards – but they are far from perfect

3.https://www.softbank.jp/corp/news/press/sbkk/2025/20250129_01/
ソフトバンクとクオンティニュアム、量子コンピューティングの実用化に向けたパートナーシップを発表
2025年1月29日　ソフトバンク株式会社　Quantinuum