量子コンピュータ活用支援
みずほリサーチ&テクノロジーズでは2018年から量子コンピュータのアルゴリズムに関する研究開発を行っています。当社の持つ豊富な知見を駆使し、技術動向調査から研究開発支援に至るまで、量子コンピュータの実用化に向けた取り組みを総合的に支援します。
量子コンピュータとは
量子コンピュータは従来のコンピュータとは異なる特性を持つ新世代のコンピュータです。量子力学の原理に基づいて動作しており、量子ビット（qubit）と呼ばれる情報の最小単位を利用して複雑な問題に対する高度な計算が可能です。
量子コンピュータの応用は多岐にわたり、基礎的な問題から応用分野まで幅広い領域において革新的な解決策を提供する可能性があります。
- 金融シミュレーション
資産のリスク評価、金融派生商品の価格評価 - 物理シミュレーション
材料特性の予測、化学反応のシミュレーション、材料設計、構造・流体計算 - 機械学習
生成モデル、画像・音声認識、時系列予測、異常検知 - 組み合わせ最適化
最適経路探索、スケジューリング、リソース配分の最適化
量子コンピュータの実用化に向けて、今から準備しておくことは非常に重要です。早期に量子コンピュータの基礎知識を身につけ、ビジネスニーズに合わせた量子アルゴリズムやプログラミング技術を習得することで、先駆者として市場での優位性を築くことが可能となります。
サービスメニュー
量子コンピュータの導入に向けて様々な側面からサポートいたします。
量子コンピュータに関する最新の技術トレンドや実用化の動向を把握し、お客さまのビジネスニーズに合わせた戦略立案やアドバイザリーサービスを提供します。
さらに、高度な専門知識と豊富な経験を持つメンバーが、お客さまの研究開発プロジェクトにおける課題解決や効率化をお手伝いし、研究開発の成功に貢献します。
調査
技術動向調査やユースケースの探索、Proof of Concept (PoC) の実施などの調査サービスを提供しています。最新の量子コンピュータの技術動向や市場の動向を把握し、お客さまにとって有益な活用可能性を探求します。
また、PoCを通じて、量子コンピュータの機能や応用範囲を具体的に検証し、将来の導入に向けた情報を提供します。
コンサルティング（戦略策定支援）
量子コンピュータ導入に関する戦略策定をサポートします。お客さまのビジネスニーズや目標に基づいて、最適な戦略を立案し、量子コンピュータの導入方法や利用可能な応用分野を特定します。
研究開発支援（ソフトウェア・アルゴリズム）
ソフトウェアやアルゴリズムに関する研究開発を支援します。お客さまのニーズに合わせて、専門的な技術サポートの提供や、量子コンピュータを活用したソフトウェア・アルゴリズムの開発を行い、ビジネスの効率化や競争力の向上を実現します。
みずほの強み
弊社は2018年から量子コンピュータの研究開発を行っており、ソリューション提供に大きな強みを持っています。また、様々な領域の専門家が課題解決をお手伝いします。
- 量子関係の研究開発の実績
長年の研究と経験を積んだ専門家チームを擁し、量子関係の研究においても優れた実績を持っています。量子コンピュータの産学連携拠点(慶應義塾大学 KQCC)にも参画しており、最先端の知見を有しています。最新の量子コンピュータ技術を活用したソリューションを提供することが可能です。 - シミュレーション・機械学習など先端的なソリューション提供の実績
弊社はシミュレーションや機械学習などの先端技術を活用した幅広いソリューションの提供実績があります。先端技術やアルゴリズムも駆使し、豊富な経験と専門知識に基づいて、お客さまのニーズに合わせた最適なソリューションを提供します。 - 多岐にわたる専門家チーム
弊社は幅広い部門の専門家が所属しており、様々な専門領域や産業の課題にも対応し、お客さまの要件に最適なアドバイスやソリューションを提供することができます。また、経営コンサルティングのサービスも提供しており、ビジネスの上流からの対応も可能です。市場動向や競合分析、事業展開のアドバイスなど、ビジネスの成果を最大化するための支援も行っています。
研究開発実績
弊社が取り組んできた研究開発の実績をご紹介します。
論文
- Suzuki, Y., Uno, S., Raymond, R., Tanaka, T., Onodera, T., & Yamamoto, N. (2020). Amplitude estimation without phase estimation. Quantum Information Processing, 19, 1-17.
- Suzuki, Y., Yano, H., Gao, Q., Uno, S., Tanaka, T., Akiyama, M., & Yamamoto, N. (2020). Analysis and synthesis of feature map for kernel-based quantum classifier. Quantum Machine Intelligence, 2, 1-9.
- Oonishi, K., Tanaka, T., Uno, S., Satoh, T., Van Meter, R., & Kunihiro, N. (2020). Efficient Construction of a Control Modular Adder on a Carry-Lookahead Adder Using Relative-Phase Toffoli Gates. IEEE Transactions on Quantum Engineering, 3, 1-18.
- Tanaka, T., Suzuki, Y., Uno, S., Raymond, R., Onodera, T., & Yamamoto, N. (2021). Amplitude estimation via maximum likelihood on noisy quantum computer. Quantum Information Processing, 20, 1-29.
- Uno, S., Suzuki, Y., Hisanaga, K., Raymond, R., Tanaka, T., Onodera, T., & Yamamoto, N. (2021). Modified Grover operator for quantum amplitude estimation. New Journal of Physics, 23(8), 083031.
- Nakaji, K., Uno, S., Suzuki, Y., Raymond, R., Onodera, T., Tanaka, T., ... & Yamamoto, N. (2022). Approximate amplitude encoding in shallow parameterized quantum circuits and its application to financial market indicators. Physical Review Research, 4(2), 023136.
- Tanaka, T., Uno, S., Onodera, T., Yamamoto, N., & Suzuki, Y. (2022). Noisy quantum amplitude estimation without noise estimation. Physical Review A, 105(1), 012411.
- Aono, Y., Liu, S., Tanaka, T., Uno, S., Meter, R.V., Shinohara, N., & Nojima, R. (2021). The Present and Future of Discrete Logarithm Problems on Noisy Quantum Computers. IEEE Transactions on Quantum Engineering, 3, 1-21.
- Yang, B., Raymond, R., & Uno, S. (2022). Efficient quantum readout-error mitigation for sparse measurement outcomes of near-term quantum devices. Physical Review A, 106(1), 012423.
- Tezuka, H., Uno, S., & Yamamoto, N. (2024). Generative model for learning quantum ensemble via optimal transport loss. Quantum Machine Intelligence, 6, 6.
特許
- 特許第7005806号, 「価格評価システム及び価格評価方法」, (2022)