SEOに関連するニュースリリースを公開しております。
最新のサービス情報を、御社のプロモーション・マーケティング戦略の新たな選択肢としてご活用下さい。
Classiq、Citiと提携し金融ポートフォリオ最適化のための量子ソリューションを推進
[24/03/12]
提供元：PRTIMES
提供元：PRTIMES
〜金融業界における量子コンピューティングの可能性を検証〜
量子ソフトウェアの開発企業であるClassiq Technologies（本社：イスラエル・テルアビブ、以下「Classiq」）は、金融業界における量子コンピューティングの可能性をテストし、株式ポートフォリオ最適化に関する研究・開発へ向け、米Citiグループにおいて新たなテクノロジーの特定と活用を担う機関である「Citi Innovation Labs」と提携しました。Classiqプラットフォームは、量子ソフトウェア開発に合わせた抽象度の高いモデリングを可能にします。Citi Innovation Labsは、Classiqプラットフォームを通じ、量子アルゴリズムの設計を容易にする量子専門家とツールを活用し、量子情報と金融の世界の橋渡しを実現します。また、ClassiqプラットフォームはAmazon Braketを利用してオンデマンドのシミュレータや量子プロセッシング・ユニット（QPU）へアクセスします。
（詳細はこちらのAWSによる英語ブログもご覧ください：https://aws.amazon.com/jp/blogs/quantum-computing/citi-and-classiq-advance-quantum-solutions-for-portfolio-optimization/ ）
ポートフォリオの最適化へ向けて
ポートフォリオの最適化とは、株式、債券、その他の金融商品などの資産を最適な組み合わせで選択し、所定のリスクレベルに対して可能な限り高いリターンを達成するプロセスです。しかし、ノイズを含む小・中規模の量子コンピュータ（NISQ）の時代と呼ばれる量子コンピュータ技術の現段階では、量子コンピュータはノイズと量子ビット数の制限問題に直面しています。この問題は、量子応用の可能性を制約しています。NISQアルゴリズムが古典的手法に対して優位性を持つかどうかは未解決の問題ですが、変分量子アルゴリズムはそのような高速化を見出す有力な候補と考えられており、特に量子近似最適化アルゴリズム（QAOA）はその代表的なものとなっています。
私たちの研究の焦点は、ポートフォリオ最適化にQAOA量子アルゴリズムを採用することであり、問題に制約を導入する際にアルゴリズムのペナルティ係数を調整することが、アルゴリズムの性能にどのような影響を与えるかを調査することでした。QAOAアルゴリズムが最終的に古典的な手法と比較して優位性を持つことが証明されれば、本研究において議論された微調整戦略は、ポートフォリオ最適化の結果や、Citiが直面する他の複雑な金融課題の改善に道を開く可能性があります。
Classiqプラットフォームを利用したポートフォリオ最適化のモデリング
Classiqソフトウェア開発キット（SDK）は、量子ビットの割り当てや量子論理演算のような低レベルの詳細をナビゲートすることなく量子アルゴリズムをモデル化することを可能にし、複雑な問題を解決するための量子アルゴリズムの設計と適用プロセスを大幅に簡素化します。
さらに、本研究において使用されたClassiqの量子近似最適化アルゴリズム（QAOA）は、Quantum Alternate Operator Ansatzのアルゴリズムに関するStuart Hadfield氏らの論文（ https://arxiv.org/abs/1709.03489 ）に基づいています。この手法を用いることで、最適化問題の記述、回路構成レイアウト、ミキサータイプの設定、古典的なオプティマイザの選択、あらゆるシミュレータやQPUでの実行を、簡単に行うことができます。
最適化問題の解決へ向けた量子コンピューティング
量子コンピュータは、古典的なコンピュータでは利用できない量子力学の特性を利用しており、量子コンピュータは、量子ビットを重ね合わせることで、膨大な数の可能性を同時に処理することが可能です。量子コンピュータは非局所的な相関関係を作り出すことができ、ある量子ビットの状態は、その距離に関係なく、別の量子ビットの状態と直接結びついています。干渉は量子力学におけるもう一つの重要な現象で、量子コンピュータが量子状態の振幅を操作し、異なる結果を測定する確率を変えることを可能にします。
これらの機能により、既知の古典的アルゴリズムよりもはるかに高速に特定の問題を解く量子アルゴリズムが生まれます。特筆すべき例として、Shorのアルゴリズムがあります。これは、既知の古典的アルゴリズムでは最速のものでも指数関数的な時間が掛かる整数因数分解問題を量子コンピュータ上で多項式時間で解くものです。ポートフォリオの最適化など、産業界に関連する難問を解くために量子コンピュータを使用する新しいアルゴリズムの開発は、活発に研究が行われているテーマです。これらのアルゴリズムの中には、ポートフォリオ最適化にも使用できるHarrow-Hassidim-Loyd（HHL）のような量子線形方程式ソルバーや、QAOAのような変分量子アルゴリズムがあります。
QAOAはハイブリッドアルゴリズムであり、古典計算と量子計算の両方を組み合わせています。このアルゴリズムは、ミキサー層（代替解をシャッフルする）とコスト層（良い解を優先する）を用いて、すべての潜在的解を探索します。回路パラメータは、QAOAを実行するたびに最適値に収束しながら、反復的かつ古典的に微調整されます。
[画像: https://prtimes.jp/i/101286/17/resize/d101286-17-ea74fdd14e247c316748-1.png ]
調査で明らかになったこと
本研究において、実行結果の品質はペナルティ係数の大きさに敏感であり、アルゴリズムの品質に大きな影響を与えることを発見しました。どちらのタイプの制約についても、ペナルティが比較的小さいときに、有効解のベスト1％を見つける確率がピークに達し、一方で、ある値を超えてペナルティを大きくすると、良い解を得る確率が下がります。
ペナルティ係数の微調整は、より広範な課題の一面に過ぎないことに注意することが重要で、近未来の量子アルゴリズムは通常、発見的なものです。つまり、様々なパラメータや設定を最適化するために、試行錯誤を含むかなりの実証実験が必要となります。この反復プロセスは、NISQデバイスで量子コンピューティングの可能性を最大限に活用するために極めて重要です。
ClassiqプラットフォームとAmazon Braket（ https://aws.amazon.com/jp/braket/ ）は、このような綿密な実験や研究を促進するために完璧に設計されています。本研究に役立った最も重要な機能には、QAOAのような変分アルゴリズムを構築、テスト、実行するために特別に設計されたAmazon Braket Hybrid Jobs（ https://docs.aws.amazon.com/braket/latest/developerguide/braket-jobs.html ）が挙げられます。この機能により、量子ハードウェアへの優先的なアクセスとキューでの待ち時間の最小化を実現します。また、ユーザーはFire-and-Forget方式でコードを投稿できるため、アルゴリズム開発に集中することができ、基盤となるインフラはAmazon Braketに任せられるという利便性が得られます。
量子ポートフォリオ最適化や変分ハイブリッドアルゴリズムにご興味のある方は、Classiqプラットフォーム（ https://platform.classiq.io/ ）をご活用ください。ClassiqがAmazon Braketでプラットフォームをホスティングする方法については、こちらのブログ（ https://aws.amazon.com/jp/blogs/quantum-computing/solving-sat-problems-with-the-classiq-platform-on-amazon-braket/#:~:text=Classiq%20uses%20Amazon%20Braket%20for,Braket%20in%20the%20Classiq%20account. ）をご覧ください。Amazon Braket Hybrid Jobsを使用してQAOAのような変分アルゴリズムを様々なマネージド・シミュレータやQPUで実行する方法は、AWSのHybrid Jobsのウェブサイト（ https://docs.aws.amazon.com/braket/latest/developerguide/braket-jobs-works.html ）をご覧ください。
■Classiqについて
量子ソフトウェアのリーディングカンパニーであるClassiq Technologiesは、アルゴリズム設計から実行に至るまで、量子コンピューティングへのシングルエントリーポイントを持つ包括的なプラットフォーム（IDE、コンパイラ、OS）を提供しています。高度な記述式の量子ソフトウェア開発環境は、あらゆるレベルの開発者の習熟度に対応し、量子プログラミングを自動化します。これによりAI、機械学習（ML）、線形代数のバックグラウンドを持つ人々を含む幅広い人材が、量子コンピュータ・ハードウェアのプログラミングに関する深い専門知識が無くとも、量子コンピューティングの活用を可能とします。Classiqは量子コンピューティングへのアクセスを民主化し、幅広い量子ハードウェアへのアクセスを含め、ユーザーが量子コンピューティング革命を最大限に活用できるようにします。Classiqのコアテクノロジーであるアルゴリズムによる量子回路コンパイルは、現在そして未来の量子エコシステムを支えるものです。また、量子コンピュータ、ハイパフォーマンスコンピューティング（HPC）、量子シミュレータで使用するソフトウェアを提供する先進的な計算ハードウェアプロバイダーとも緊密に連携しています。ヒューレット・パッカード エンタープライズ（HPE）、HSBC、Samsung、インテーザ・サンパオロ、NTTといった強力な投資家に支えられ、Classiqの世界クラスの科学者・エンジニアチームの数十年の量子専門知識が、画期的なソフトウェア開発プラットフォームに活用されています。詳細は、LinkedIn（ https://www.linkedin.com/company/classiq-technologies/ ）、X（旧Twitter https://twitter.com/classiqtech ）、YouTube（ https://www.youtube.com/c/ClassiqTechnologies ）でClassiqをフォローするか、ClassiqのSlackコミュニティ（ https://classiq-community.slack.com/ ）やウェブサイト（ https://ja.classiq.io/ ）をご覧ください。
量子ソフトウェアの開発企業であるClassiq Technologies（本社：イスラエル・テルアビブ、以下「Classiq」）は、金融業界における量子コンピューティングの可能性をテストし、株式ポートフォリオ最適化に関する研究・開発へ向け、米Citiグループにおいて新たなテクノロジーの特定と活用を担う機関である「Citi Innovation Labs」と提携しました。Classiqプラットフォームは、量子ソフトウェア開発に合わせた抽象度の高いモデリングを可能にします。Citi Innovation Labsは、Classiqプラットフォームを通じ、量子アルゴリズムの設計を容易にする量子専門家とツールを活用し、量子情報と金融の世界の橋渡しを実現します。また、ClassiqプラットフォームはAmazon Braketを利用してオンデマンドのシミュレータや量子プロセッシング・ユニット（QPU）へアクセスします。
（詳細はこちらのAWSによる英語ブログもご覧ください：https://aws.amazon.com/jp/blogs/quantum-computing/citi-and-classiq-advance-quantum-solutions-for-portfolio-optimization/ ）
ポートフォリオの最適化へ向けて
ポートフォリオの最適化とは、株式、債券、その他の金融商品などの資産を最適な組み合わせで選択し、所定のリスクレベルに対して可能な限り高いリターンを達成するプロセスです。しかし、ノイズを含む小・中規模の量子コンピュータ（NISQ）の時代と呼ばれる量子コンピュータ技術の現段階では、量子コンピュータはノイズと量子ビット数の制限問題に直面しています。この問題は、量子応用の可能性を制約しています。NISQアルゴリズムが古典的手法に対して優位性を持つかどうかは未解決の問題ですが、変分量子アルゴリズムはそのような高速化を見出す有力な候補と考えられており、特に量子近似最適化アルゴリズム（QAOA）はその代表的なものとなっています。
私たちの研究の焦点は、ポートフォリオ最適化にQAOA量子アルゴリズムを採用することであり、問題に制約を導入する際にアルゴリズムのペナルティ係数を調整することが、アルゴリズムの性能にどのような影響を与えるかを調査することでした。QAOAアルゴリズムが最終的に古典的な手法と比較して優位性を持つことが証明されれば、本研究において議論された微調整戦略は、ポートフォリオ最適化の結果や、Citiが直面する他の複雑な金融課題の改善に道を開く可能性があります。
Classiqプラットフォームを利用したポートフォリオ最適化のモデリング
Classiqソフトウェア開発キット（SDK）は、量子ビットの割り当てや量子論理演算のような低レベルの詳細をナビゲートすることなく量子アルゴリズムをモデル化することを可能にし、複雑な問題を解決するための量子アルゴリズムの設計と適用プロセスを大幅に簡素化します。
さらに、本研究において使用されたClassiqの量子近似最適化アルゴリズム（QAOA）は、Quantum Alternate Operator Ansatzのアルゴリズムに関するStuart Hadfield氏らの論文（ https://arxiv.org/abs/1709.03489 ）に基づいています。この手法を用いることで、最適化問題の記述、回路構成レイアウト、ミキサータイプの設定、古典的なオプティマイザの選択、あらゆるシミュレータやQPUでの実行を、簡単に行うことができます。
最適化問題の解決へ向けた量子コンピューティング
量子コンピュータは、古典的なコンピュータでは利用できない量子力学の特性を利用しており、量子コンピュータは、量子ビットを重ね合わせることで、膨大な数の可能性を同時に処理することが可能です。量子コンピュータは非局所的な相関関係を作り出すことができ、ある量子ビットの状態は、その距離に関係なく、別の量子ビットの状態と直接結びついています。干渉は量子力学におけるもう一つの重要な現象で、量子コンピュータが量子状態の振幅を操作し、異なる結果を測定する確率を変えることを可能にします。
これらの機能により、既知の古典的アルゴリズムよりもはるかに高速に特定の問題を解く量子アルゴリズムが生まれます。特筆すべき例として、Shorのアルゴリズムがあります。これは、既知の古典的アルゴリズムでは最速のものでも指数関数的な時間が掛かる整数因数分解問題を量子コンピュータ上で多項式時間で解くものです。ポートフォリオの最適化など、産業界に関連する難問を解くために量子コンピュータを使用する新しいアルゴリズムの開発は、活発に研究が行われているテーマです。これらのアルゴリズムの中には、ポートフォリオ最適化にも使用できるHarrow-Hassidim-Loyd（HHL）のような量子線形方程式ソルバーや、QAOAのような変分量子アルゴリズムがあります。
QAOAはハイブリッドアルゴリズムであり、古典計算と量子計算の両方を組み合わせています。このアルゴリズムは、ミキサー層（代替解をシャッフルする）とコスト層（良い解を優先する）を用いて、すべての潜在的解を探索します。回路パラメータは、QAOAを実行するたびに最適値に収束しながら、反復的かつ古典的に微調整されます。
[画像: https://prtimes.jp/i/101286/17/resize/d101286-17-ea74fdd14e247c316748-1.png ]
調査で明らかになったこと
本研究において、実行結果の品質はペナルティ係数の大きさに敏感であり、アルゴリズムの品質に大きな影響を与えることを発見しました。どちらのタイプの制約についても、ペナルティが比較的小さいときに、有効解のベスト1％を見つける確率がピークに達し、一方で、ある値を超えてペナルティを大きくすると、良い解を得る確率が下がります。
ペナルティ係数の微調整は、より広範な課題の一面に過ぎないことに注意することが重要で、近未来の量子アルゴリズムは通常、発見的なものです。つまり、様々なパラメータや設定を最適化するために、試行錯誤を含むかなりの実証実験が必要となります。この反復プロセスは、NISQデバイスで量子コンピューティングの可能性を最大限に活用するために極めて重要です。
ClassiqプラットフォームとAmazon Braket（ https://aws.amazon.com/jp/braket/ ）は、このような綿密な実験や研究を促進するために完璧に設計されています。本研究に役立った最も重要な機能には、QAOAのような変分アルゴリズムを構築、テスト、実行するために特別に設計されたAmazon Braket Hybrid Jobs（ https://docs.aws.amazon.com/braket/latest/developerguide/braket-jobs.html ）が挙げられます。この機能により、量子ハードウェアへの優先的なアクセスとキューでの待ち時間の最小化を実現します。また、ユーザーはFire-and-Forget方式でコードを投稿できるため、アルゴリズム開発に集中することができ、基盤となるインフラはAmazon Braketに任せられるという利便性が得られます。
量子ポートフォリオ最適化や変分ハイブリッドアルゴリズムにご興味のある方は、Classiqプラットフォーム（ https://platform.classiq.io/ ）をご活用ください。ClassiqがAmazon Braketでプラットフォームをホスティングする方法については、こちらのブログ（ https://aws.amazon.com/jp/blogs/quantum-computing/solving-sat-problems-with-the-classiq-platform-on-amazon-braket/#:~:text=Classiq%20uses%20Amazon%20Braket%20for,Braket%20in%20the%20Classiq%20account. ）をご覧ください。Amazon Braket Hybrid Jobsを使用してQAOAのような変分アルゴリズムを様々なマネージド・シミュレータやQPUで実行する方法は、AWSのHybrid Jobsのウェブサイト（ https://docs.aws.amazon.com/braket/latest/developerguide/braket-jobs-works.html ）をご覧ください。
■Classiqについて
量子ソフトウェアのリーディングカンパニーであるClassiq Technologiesは、アルゴリズム設計から実行に至るまで、量子コンピューティングへのシングルエントリーポイントを持つ包括的なプラットフォーム（IDE、コンパイラ、OS）を提供しています。高度な記述式の量子ソフトウェア開発環境は、あらゆるレベルの開発者の習熟度に対応し、量子プログラミングを自動化します。これによりAI、機械学習（ML）、線形代数のバックグラウンドを持つ人々を含む幅広い人材が、量子コンピュータ・ハードウェアのプログラミングに関する深い専門知識が無くとも、量子コンピューティングの活用を可能とします。Classiqは量子コンピューティングへのアクセスを民主化し、幅広い量子ハードウェアへのアクセスを含め、ユーザーが量子コンピューティング革命を最大限に活用できるようにします。Classiqのコアテクノロジーであるアルゴリズムによる量子回路コンパイルは、現在そして未来の量子エコシステムを支えるものです。また、量子コンピュータ、ハイパフォーマンスコンピューティング（HPC）、量子シミュレータで使用するソフトウェアを提供する先進的な計算ハードウェアプロバイダーとも緊密に連携しています。ヒューレット・パッカード エンタープライズ（HPE）、HSBC、Samsung、インテーザ・サンパオロ、NTTといった強力な投資家に支えられ、Classiqの世界クラスの科学者・エンジニアチームの数十年の量子専門知識が、画期的なソフトウェア開発プラットフォームに活用されています。詳細は、LinkedIn（ https://www.linkedin.com/company/classiq-technologies/ ）、X（旧Twitter https://twitter.com/classiqtech ）、YouTube（ https://www.youtube.com/c/ClassiqTechnologies ）でClassiqをフォローするか、ClassiqのSlackコミュニティ（ https://classiq-community.slack.com/ ）やウェブサイト（ https://ja.classiq.io/ ）をご覧ください。
SEO関連
