HOME/ビジネス/AIソリューション/量子コンピューティング
QUANTUM COMPUTING / OPTIMIZATION

量子コンピューティング
量子と従来の計算を組み合わせる研究開発・⁠検証支援

量子コンピュータは、量子ビットの重ね合わせと量子もつれを使い、組合せ最適化や分子の計算に新しい解き方をもたらすと期待されるコンピュータです。
当社は課題を数式に置き換え、量子と従来の計算を組み合わせて候補を出し、従来の手法と比べて確かめるまでを支援します。

01/概要

量子力学の性質を計算に使う、新しい方式のコンピュータ

量子コンピュータは、原子や光の粒のふるまいを説明する量子力学の性質を、計算に使うコンピュータです。いまのコンピュータ(古典コンピュータ)は0か1のビットで情報を扱いますが、量子コンピュータは0と1を重ね合わせた状態をとれる量子ビットを使います。量子ビット同士を関連づける量子もつれと組み合わせると、膨大な組み合わせを扱う計算や、分子のふるまいを再現する計算で、これまでと違う解き方ができると期待されています。こうした計算の進め方全体を量子コンピューティングと呼びます(Microsoft Learnの解説)。

古典コンピュータと量子コンピュータの違い(当社作図)

古典コンピュータ(いまのコンピュータ)

情報の単位:ビット
0101
1つのビットは0か1のどちらか
組み合わせの候補を、手順に沿って1つずつ確かめる
候補が増えると、確かめる時間が急に増える
得意:表計算、業務システム、AIの学習など、ほぼすべての計算

量子コンピュータ

情報の単位:量子ビット
0+10+10+10+1
1つの量子ビットが、0と1を重ね合わせた状態をとれる
量子もつれで量子ビット同士を関連づけ、多くの候補を重ねたまま扱う
干渉を使い、良い答えが測定で出やすくなるよう計算を組み立てる
期待:組合せ最適化、分子のふるまいの計算など、一部の問題
「すべての候補を同時に計算して一瞬で答えを出す」わけではありません。良い答えが出やすくなるように計算を設計し、何度も測定して確かめます。

方式には大きく2つあります。量子アニーリングは、組合せ最適化の問題を解くことに絞った方式です。量子ゲート方式は、量子回路を組み替えてさまざまな計算に使える汎用の方式です。現在の機械は誤り(ノイズ)が多く、量子ビットの数も限られる段階にあり、NISQ(ノイズのある中規模量子コンピュータ)と呼ばれます。誤り訂正を備えた大規模な機械は、各国で開発が進んでいる最中です。そのため当面は、量子コンピュータだけで業務の問題を解き切るのではなく、従来のコンピュータやスーパーコンピュータと役割を分けて使う形(量子・⁠古典ハイブリッド)が中心になります。

量子コンピュータが得意とされる3つの問題

量子コンピュータがどんな計算でも速くなるわけではありません。研究で効果が期待されているのは、次のような型の問題です。業務の課題がどの型に当たるかを見分けることが、検討の最初の一歩になります。

組合せ最適化

選択肢の組み合わせから、条件を守りつつ最も良いものを探す問題です。配送ルート、シフトや作業の割り当て、部品の配置、機械の構造設計などが当たります。

QUBOQAOA量子アニーリング

量子化学計算・⁠材料シミュレーション

分子や材料の中の電子のふるまいを計算する問題です。自然界のふるまいそのものが量子力学に従うため、量子コンピュータとの相性が良いとされ、新材料や創薬の研究で期待されています。

VQE材料・⁠創薬

機械学習・⁠サンプリング

データの特徴を量子回路で表す量子機械学習や、偏りのない乱数(量子乱数)を使う生成などの研究が進んでいます。生成AIや音楽生成と組み合わせる試みもあります。

量子機械学習量子乱数

将来、大規模な量子コンピュータが実現すると、いま広く使われている公開鍵暗号が破られるおそれがあるとも指摘されています。量子コンピュータを「使う」検討とは別に、暗号を量子コンピュータでも破られにくい方式(耐量子計算機暗号、PQC)へ移す準備も、企業の課題になっています。

いま量子コンピューティングに取り組むメリット
  • 自社の課題のうち、量子が効きそうな部分と、従来の計算で十分な部分を見分けられる
  • 課題を数式(数理モデル)に置き換える過程で、業務や設計の条件が整理される
  • 従来の手法と比べた結果と、検証で集めた候補のデータが社内に残る
  • 機械の性能が上がったときに、すぐ試せる手順と人材が整う

02/注目される背景

2030年の利用者1,000万人を掲げる国の戦略と、方式が定まらない開発競争

量子コンピュータの冷却装置の前で端末を見ながら話す研究者2人
写真はイメージです

量子コンピュータは研究室の装置から、企業が使い方を探す段階に移りつつあります。国は利用者と産業を増やす目標を掲げ、方式の異なる複数の機械の開発を並行して支援しています。一方で、どの方式が主流になるか、いつ実用的な規模になるかはまだ見通せません。機械の完成を待たずに、自社の課題で使い方を確かめておく企業が増えているのはこのためです。

国の文書が示す目標と開発の状況(同文書の記載をもとに作図)
1,000万人国内の量子技術の利用者(2030年の目標)
50兆円規模量子技術による生産額(2030年の目標)
3方式国が並行して開発を支援する方式(超伝導・⁠中性原子・⁠光)
方式が1つに定まっていないため、特定の機械に絞らず、課題の側から使い方を確かめておくことが重要になります。
文書
発行主体・⁠時期
記載内容(要約)
量子技術イノベーション会議(内閣府、2025年5月)
2030年に国内の量子技術の利用者1,000万人、生産額50兆円規模を目標に掲げる。多様な機種に触れられる環境づくりと新しいユースケースの創出を進め、製品化・⁠事業化を担うビジネス人材の不足を課題に挙げる
産業構造審議会 評価ワーキンググループ(経済産業省、2026年6月)
方式がまだ確定していないとして、超伝導・⁠中性原子・⁠光の3方式を並行して支援。応用先として、物流の配送経路の最適化、材料・⁠創薬の化学計算、金融・⁠エネルギーを挙げる
NEDO(2024〜2026年度)
将来使えるようになる次世代の量子コンピュータで社会課題を解く案を、コンテスト形式で募る。共同研究の機会づくりと、実用化・⁠事業化の促進を目指す
金融庁事務局の検討会(2024年11月)
暗号を解読できる量子コンピュータの登場に備え、優先度の高いシステムで2030年代半ばを目安に耐量子計算機暗号を使える状態にすることが望ましいとする。暗号を使っている箇所の棚卸しを早めに進めるよう求める

量子と従来の計算を組み合わせる使い方が広がった経緯

いまの量子コンピュータだけで業務の問題を解き切るのは難しいため、量子の計算と従来の計算を交互に回す使い方(量子・⁠古典ハイブリッド)が標準的になってきました。Microsoftの量子クラウドサービス(Azure Quantum)の公式ドキュメントも、量子と古典のコンピュータが協力して問題を解く構成を段階ごとに整理し、後述するQAOAやVQEをその例に挙げています(What is hybrid quantum computing?)。国内でも、内閣府の推進方策が、産業技術総合研究所で複数方式の量子コンピュータとスーパーコンピュータを組み合わせた試験環境の整備が進んでいることに触れています。

量子コンピュータの話題は、新しい機械の発表に目が向きがちです。企業にとって大切なのは、どの課題を、どの計算と組み合わせて解くかという使い方の設計です。当社が量子コンピューティングで支援しているのも、この部分です。

03/仕組み

課題を数式にし、量子と従来の計算で候補を出して確かめる流れ

画面に映した処理の流れ図を前に話し合う技術者2人
写真はイメージです

業務の課題を量子コンピュータで扱うには、まず課題を数式(数理モデル)に置き換えます。組合せ最適化の場合は、「この配送先をこの車に割り当てるか」「この部品とこの部品をつなぐか」といった選択を、はい・⁠いいえの値の組み合わせで表し、守るべき条件を減点として組み込みます。この形をQUBO(二値の組合せ最適化の形式)と呼び、量子アニーリングでも量子ゲート方式でも扱えます。

量子・⁠古典ハイブリッドの流れ(当社作図)
1
課題と条件を整理する何を決めたいのか、守る条件は何か、良し悪しを何で測るかを、業務の言葉で決めます。
業務の言葉で整理
2
数式(数理モデル)に置き換える選択をはい・⁠いいえの値で表し、条件を減点として組み込みます。問題の大きさと、使える量子ビットの数もここで見積もります。
QUBOイジング形式
3
量子の計算で候補を出す量子回路の計算手順で、良い組み合わせが出やすい候補を集めます。実機の前に、従来のコンピュータ上で量子の計算を再現するシミュレータで確かめます。
QAOA量子シミュレータ
4
従来の計算で調整し、検証する寸法や数量のような細かな値の調整、物理シミュレーションでの動作の確認は、従来の計算が担います。
古典最適化物理シミュレーション
5
比べて、残す同じ条件で従来の手法やランダムな探索と比べ、使える候補と評価の結果をデータとして残します。
比較評価データベース化
↻ 結果を見て、数式と条件を見直しながら繰り返す

QAOA(量子近似最適化アルゴリズム)は、量子回路の設定を従来のコンピュータが少しずつ調整しながら、良い答えが出やすい状態に近づける計算手順です。量子の計算と従来の計算を何度も行き来するため、ハイブリッドの代表例とされています。分子のエネルギーを求めるVQE(変分量子固有値ソルバー)も、同じ考え方の計算手順です。

方式とツールの違い

方式・⁠ツール
仕組み
主な使い道
量子アニーリング
問題を「エネルギーが最も低い状態」に置き換え、量子のふるまいでその状態を探す
組合せ最適化に特化。配送計画や割り当ての研究で使われる
量子ゲート方式
量子ビットに操作(量子ゲート)を順に加える量子回路で計算する
最適化、化学計算、機械学習など汎用。超伝導・⁠イオン・⁠中性原子・⁠光など複数の方式がある
量子シミュレータ
量子の計算を従来のコンピュータ上で再現する
計算手順の確認と比較。数十量子ビット程度までの検証に使う
量子インスパイアード
量子の考え方を取り入れた計算を、従来の計算機や専用回路で行う
大規模な組合せ最適化を、量子の機械を使わずに高速に解く
クラウド経由で複数の企業の量子コンピュータやシミュレータを使えるサービス(Azure Quantumなど)もあり、自社で機械を持たずに検証できます。

04/当社の支援内容

テーマの選定から比較検証・⁠データ化・⁠研究と人材の育成まで

当社は、量子コンピュータの機械そのものを作るのではなく、お客様の課題に量子の計算をどう組み込むかを設計し、従来の計算と比べて確かめるところを支援します。生成AI、ロボティクス、数理最適化、XR、シミュレーションの開発で積み重ねてきた技術と組み合わせられるのが当社の強みです。

支援の段階(当社作図)
テーマを選ぶ支援1:業務課題から、量子が効きそうな問題の型を見分ける
→
数式にして比べる支援2:数理モデルにし、従来の手法と同じ条件で比べる
→
試作してデータを残す支援3:AI・物理シミュレーションと組み合わせて試作する
→
研究と人材を育てる支援4:研究テーマと社内の学習を続けられる形にする
現場での伴走:X-Tech FDE(現場に入り込むエンジニアが、課題の発見から検証までを一緒に進めます)
支援メニュー
内容
主な成果物
支援1 テーマ診断
業務や研究の課題の中から、組合せ最適化・⁠化学計算など量子が効きそうな問題の型を見分け、従来の計算で十分なものと分けます
候補テーマの一覧と優先順位
支援2 定式化と比較検証
課題をQUBOなどの数式に置き換え、量子の計算手順とシミュレータで候補を出し、従来の手法と同じ条件で比べます
比較の結果、量子が効く条件と効かない条件の整理
支援3 ハイブリッド試作とデータ化
量子による候補の生成と、従来の最適化・⁠物理シミュレーション・AIを組み合わせた試作を作り、候補と評価結果をデータベースにします
試作の仕組み、候補のデータベース
支援4 研究開発と人材育成の伴走
研究テーマの立ち上げ、検証結果の発表資料づくり、技術者の学習の進め方を一緒に組み立てます
研究計画、学習の進め方

検証の結果、従来の手法で十分と分かった課題は、数理最適化DX開発として、いま使える計画業務の仕組みづくりに切り替えられます。量子を使うことを目的にせず、課題に合う計算を選ぶ進め方です。

技術解説:【論文解説】ABCI-Q 量子・AIハイブリッドコンピューティング/【論文解説】光量子コンピュータの新時代(当社エンジニアのZenn記事)

05/当社の特長

現実の制約を数式に落とし、量子と従来の計算で確かめる研究開発力

ここでは量子コンピューティングという方式そのものではなく、当社の支援の特長を示します。

業務と物理の制約を数式にする

機械の構造を探す研究では、部品のつなぎ方をはい・⁠いいえの値で表し、つながり方の条件を数式に組み込みました。業務や設計の言葉で語られる条件を、量子と従来の計算の両方で扱える形にします。量子回路の設定を調整する計算手順の改良も検討し、展示会で研究発表を行っています。

定式化

量子と従来の計算を組み合わせ、使える候補だけを残す

量子の計算で構造の候補を出し、従来の最適化と物理シミュレーションで動くかどうかを確かめる一続きの仕組みを作っています。量子だけで完結させず、役割を分けたうえで、従来の手法と同じ条件で比べます。

ハイブリッド比較評価

AI・ロボティクス・XRと掛け合わせる応用の幅

CAE(設計解析)、群ロボット、訪問看護、AIによる研究支援、XR教材、音楽生成と、異なる領域で量子の使いどころを提案してきました。生成AIやロボティクスの開発チームと同じ会社の中で取り組めます。

応用の幅

06/取り組み事例

日本ロボット学会での研究発表:量子最適化を用いたリンク機構トポロジ探索

量子最適化を用いたリンク機構トポロジ探索の発表ビジュアル

機械の部品(リンク)をどうつなぎ、どの長さにすれば目的の動きをする機構になるかを探す設計課題に、量子の計算を使った研究です。AI・量子最適化・⁠物理シミュレーションを組み合わせ、ロボットや機械の構造設計に使えるかを検証し、2026年9月の第44回日本ロボット学会学術講演会(RSJ2026)で発表しました。

研究の進め方
1
部品のつなぎ方を数式にする6つの接続点からなるリンク機構を対象に、どの部品同士をつなぐかを組合せ最適化の問題として表現
2
QAOAで構造の候補を出す量子近似最適化アルゴリズムで、条件を満たしやすい構造の候補を生成
3
従来の計算で動作を確かめる従来の数値最適化で寸法を調整し、物理シミュレーションで動作できる機構を選別
4
条件を満たした機構をデータにする物理的に成り立つことや周期的に動くことを確認し、軌跡をデータベースに保存して分類
観点
結果
候補の作り方の比較
合計41,344件の候補で、作り方を比較しました。QAOAを使った手法の一つでは、15,232件中2,088件が物理的に成り立ち、有効な候補の割合は13.71%でした。比較したランダムな探索(12,480件)では、成り立つ候補は出ませんでした
データの蓄積
物理的に成り立つことや周期性などの条件を満たした1,143件の軌跡をデータベースにし、主要な可動点の軌跡を7種類に分類しました
分かったこと
目標の動きへの合わせやすさは、探し方よりも動き自体の難しさに大きく左右されました。学習を使った手法は、学習を使わない基準の手法を有意に上回りませんでした

今後は、候補の良し悪しを予測する学習の方法と検証の仕組みを改良し、接続点の多い機構へ広げ、構造・⁠寸法・⁠軌跡のデータを設計支援の技術へ発展させることを検討しています(発表のお知らせ)。

NEDO懸賞金活用型プログラムで6チームがスクリーニング採択

NEDO懸賞金活用型プログラム 量子コンピュータを用いた社会問題ソリューション開発のキービジュアル

NEDO懸賞金活用型プログラム「量子コンピュータを用いた社会問題ソリューション開発」で、当社から応募した6チームがスクリーニング採択者に選ばれました(2025年8月発表。応募は全体で114件)。スクリーニング採択は、書類審査と提案内容の評価を通過し、最終審査に向けてNEDOの研究開発環境を無償で使えるようになる段階です(発表のお知らせ)。

チーム名
懸賞課題
領域
Post-CAE
実用的なCAEへの量子アルゴリズムの適用検証
設計・⁠解析
群集合ロボット研究
量子コンピュータのロボット制御への適用
ロボティクス
Team Quantum AI Scientist
量子AIサイエンティスト
研究開発の支援
Team Quantum Care
訪問看護最適化システムの構築
医療・⁠介護
TEAM STEAM
量子計算機による文化体験の実現(NISQに見いだす「侘び寂び」と「もののあはれ」とCool Japan)
教育・⁠文化
ShioN
量子技術を活用した次世代音楽体験の創出
音楽・⁠エンタメ
発表時点の情報です。チーム名と懸賞課題は発表のお知らせの記載に基づきます。

07/顧客価値

量子を使うかの判断・⁠比較の結果・⁠残るデータと人材

お客様の悩み
当社の支援
得られるもの
量子コンピュータを使うべきか分からない
テーマ診断で、課題の問題の型を見分ける
向く課題と向かない課題を分けた、投資判断の材料
期待が先行し、効果を社内に説明できない
従来の手法と同じ条件で比べる
数字で説明できる比較の結果
検証が一回きりで終わってしまう
候補と評価の結果をデータベースにする
次の検証や設計に使い回せるデータ
量子に詳しい人材がいない
研究テーマの立ち上げと学習を伴走する
社内で続けられる人と進め方
機械が進歩したときに出遅れたくない
数式と計算手順をシミュレータで整えておく
新しい機械ですぐ試せる準備

経営・⁠事業企画

量子コンピューティングへの投資を、どの課題で、どの規模から始めるかを判断する材料が得られます。

投資判断

研究開発・⁠設計

設計や解析の課題を数式にし、量子と従来の計算で候補を広げる方法を、自社のテーマで試せます。

研究テーマ

DX推進・⁠情報システム

クラウドの量子サービスを含めた検証環境の考え方と、暗号の移行など周辺の論点を整理できます。

環境・⁠周辺論点

08/ユースケース・⁠適性

組み合わせが爆発的に増える計画・⁠設計・⁠研究の課題

物流倉庫で荷物を運ぶ搬送ロボット
写真はイメージです
領域
量子で扱う問題
業務の例
製造・⁠設計
構造や配置の組み合わせ探索、解析計算の高速化の検討
機構や部品配置の候補出し、流体と構造の連成解析
ロボティクス
複数のロボットへの作業の割り当て
移動距離・⁠衝突・⁠負荷を考えた群ロボットの制御
物流・⁠交通
配送ルート、積み付け、配車の組み合わせ
車両の台数と走行距離を減らす配送計画
医療・⁠介護
訪問の順番と担当の組み合わせ
訪問看護のルートとスケジュールの組み立て
材料・⁠創薬・⁠化学
分子のふるまいの計算(量子化学計算)
新材料・⁠新薬の候補探し(研究段階)
金融
資産配分・⁠リスクの計算、暗号の移行対応
資産配分の最適化と、耐量子計算機暗号への備え
教育・⁠エンタメ
量子の考え方を体験にする、量子乱数を使う
XRを使ったSTEAM教材、音楽の生成

向いている課題

選択肢の組み合わせが爆発的に増え、従来の計算では候補を出し切れない課題。守る条件が多く、条件を満たす候補を数多く集めたい設計。中長期の研究テーマとして技術と人材を育てたい企業。

適合する

向きにくい課題

既存の数理最適化ソフト(ソルバー)で十分な速さと精度で解ける課題は、数理最適化で進める方が近道です。短期間で確実な費用削減が必要な案件や、条件やデータがまだ数式にできるほど整理されていない段階も、先に業務の整理から始めます。

適合しにくい

09/導入ステップ

テーマ診断から実機での確認と展開までの5ステップ

ステップ
やること
決めること・⁠成果
STEP 1 テーマ診断
業務課題を伺い、問題の型と規模、使えるデータを整理する
検証するテーマと評価の物差し
STEP 2 定式化
課題をQUBOなどの数式に置き換え、必要な量子ビット数を見積もる
数理モデルと、従来の手法の基準値
STEP 3 シミュレータで比較検証
量子の計算手順とシミュレータで候補を出し、従来の手法と同じ条件で比べる
量子が効く条件・効かない条件
STEP 4 ハイブリッド試作とデータ化
従来の最適化・⁠物理シミュレーション・AIと組み合わせて試作し、結果を蓄積する
試作の仕組みと候補のデータベース
STEP 5 実機での確認と展開
クラウドの量子コンピュータで確かめ、研究テーマや業務への展開を決める
次の研究計画、または従来の手法での実装

STEP 3までで、従来の手法で十分と分かれば、その時点で数理最適化やAIによる実装へ切り替えます。量子の検証を続けるかどうかを、段階ごとに判断できる進め方です。

10/他の手段との違い

数理最適化・⁠量子インスパイアード・⁠量子ハイブリッドの選び方

手段
向いている課題
今の使いどころ
数理最適化(従来のソルバー)
条件が整理された計画業務(シフト、配送、生産計画など)
いま本番の業務で使える。まず検討する選択肢
量子インスパイアード
大規模な組合せ最適化を、量子の機械を使わずに高速に解きたい課題
商用サービスがあり、業務で使われ始めている
量子ゲート方式+従来の計算(ハイブリッド)
従来の計算では候補を出し切れない探索、化学計算、将来の機械を見据えた研究
研究と検証の段階。比較の基準を置いて進める
機械学習(AI)
過去のデータから予測・分類する課題
最適化と組み合わせ、条件の予測や候補の絞り込みに使う

量子コンピューティングは、ほかの手段を置き換えるものではなく、選択肢の一つです。当社は数理最適化DX開発と量子の検証の両方を担えるため、課題に合う手段を選び、必要に応じて組み合わせます。

11/ガバナンス・⁠検証の基準

期待と検証の結果を分けて扱う比べ方の基準

量子コンピューティングは期待が大きい分野です。社内で判断を誤らないよう、検証では次の基準を守ります。

従来の手法の基準値を先に置く

同じ問題を従来の手法とランダムな探索でも解いて結果を先に用意し、量子の結果と同じ物差しで比べます。

比較の基準

再現できる手順で比べる

試行の回数、乱数の扱い、量子回路の設定を記録し、同じ条件でやり直せる形で結果を残します。

再現性

結果の範囲を言い過ぎない

シミュレータ上の結果を実機での速さとは言わず、特定の条件での結果を一般の効果とは言いません。分かったことと分からなかったことを分けて報告します。

報告の範囲

データと暗号の扱いを分けて考える

クラウドの量子サービスに渡すデータの範囲を決めます。耐量子計算機暗号への移行は、暗号の棚卸しから始める別の取り組みとして整理します。

データ・⁠暗号

12/当社について

Microsoft AI Innovation Partner of the Year 2024 受賞

Microsoft AI Innovation Partner of the Year 2024 受賞

Microsoftのパートナーとして、Azureを中心にAIの設計・⁠実装・⁠運用を支援しています。

X-Tech FDEを見る →

X-Tech FDEによる、現場起点のAI実装

X-Tech FDEによる、現場起点のAI実装

現場に入り込むエンジニアが、課題の発見から実装・⁠定着までを伴走します。

X-Tech FDEを見る →

数理最適化DX開発

数理最適化DX開発

計画業務を数理最適化で自動化する開発を、分析からシステム構築まで一貫して提供しています。

数理最適化DX開発を見る →

13/はじめ方

1つの課題を対象にしたテーマ診断

最初は、量子コンピュータで試したい課題を1つ選び、STEP 1のテーマ診断から始めます。決めたいこと、守る条件、いまの解き方と困っている点、使えるデータを伺い、量子が効きそうな問題の型か、従来の数理最適化で十分かを整理します。診断の結果をもとに、検証の範囲と進め方、費用の見積もりを提示します。

ロボットや機械の構造設計への応用を検討したい場合はフィジカルAI、製造現場の課題全体からAI活用を考えたい場合は製造業向けAIソリューションもあわせてご覧ください。

14/関連ソリューション

フィジカルAI

フィジカルAI

AIでロボットや機械を動かす。

エッジAI、デジタルツイン、生成AIによるロボティクスの支援まで、AIを物理の世界で使う開発を支援します。

フィジカルAIを見る →

Physical AI Harness

Physical AI Harness

AIの判断を物理世界へ安全につなぐ。

AIが出した動作を実行前に承認・⁠停止・⁠人への確認へ振り分け、判断の記録を残すフィジカルAIの安全実装基盤です。

Physical AI Harnessを見る →

製造業向けAIソリューション

製造業向けAIソリューション

設計・⁠生産・⁠保全の課題をAIで。

製造業の現場課題に合わせて、AIの企画から実装・⁠運用までを支援します。

製造業向けAIソリューションを見る →

デジタルツイン開発

デジタルツイン開発

実世界をデジタル空間に再現する。

IoT、エッジ、クラウド、AI、3Dシミュレーションを組み合わせ、現実の設備や街をデジタル空間に再現するシステムを開発します。

デジタルツイン開発を見る →

15/よくあるご質問

Q.量子コンピュータ(量子コンピューティング)とは何ですか。
A.量子コンピュータは、原子や光の粒のふるまいを説明する量子力学の性質を計算に使うコンピュータです。0と1を重ね合わせた状態をとれる量子ビットと、量子ビット同士を関連づける量子もつれを使い、組合せ最適化や分子のふるまいの計算などで、従来とは違う解き方ができると期待されています。こうした計算の進め方全体を量子コンピューティングと呼びます。
Q.古典コンピュータ(いまのコンピュータ)との違いは何ですか。
A.古典コンピュータは0か1のビットで情報を扱い、手順に沿って計算します。量子コンピュータは量子ビットの重ね合わせと干渉を使い、良い答えが出やすくなるよう計算を組み立てます。どんな計算でも速くなるわけではなく、効果が期待されるのは一部の問題です。
Q.量子コンピュータは、いまのスーパーコンピュータより速いのですか。
A.特定の問題で従来のコンピュータを上回る結果(量子優位性)を示した研究はありますが、業務の問題で一般に速くなる段階には達していません。現在の機械は誤りが多く規模も限られるため、従来のコンピュータと役割を分けるハイブリッドの使い方が中心です。
Q.量子アニーリングと量子ゲート方式の違いは何ですか。
A.量子アニーリングは、組合せ最適化の問題を解くことに絞った方式です。量子ゲート方式は、量子回路を組み替えて最適化・⁠化学計算・⁠機械学習などに使える汎用の方式です。当社の研究では、量子ゲート方式の計算手順であるQAOAを使っています。
Q.QUBOとQAOAとは何ですか。
A.QUBO(二値の組合せ最適化の形式)は、選択をはい・⁠いいえの値の組み合わせで表し、守る条件を減点として組み込んだ数式の形です。QAOA(量子近似最適化アルゴリズム)は、QUBOで表した問題を、量子回路と従来のコンピュータを行き来しながら解く計算手順です。
Q.自社の課題が量子コンピュータに向いているか分かりますか。
A.STEP 1のテーマ診断で、課題が組合せ最適化・⁠化学計算など量子が効きそうな問題の型に当たるかを見分けます。従来の数理最適化で十分な課題であれば、その方法をご提案します。
Q.量子コンピュータの実機がなくても検証できますか。
A.できます。最初は従来のコンピュータ上で量子の計算を再現するシミュレータで、計算手順と結果を確かめます。実機で確かめる段階では、Azure Quantumなどのクラウドサービスを使い、複数の企業の量子コンピュータを利用できます。
Q.量子コンピュータで暗号が破られると聞きました。何をすればよいですか。
A.将来の大規模な量子コンピュータは、いま広く使われている公開鍵暗号を破るおそれがあると指摘されています。金融庁が事務局を務めた検討会の報告書は、優先度の高いシステムで2030年代半ばを目安に耐量子計算機暗号(PQC)を使える状態にすることが望ましいとし、暗号を使っている箇所の棚卸しから始めるよう求めています。
Q.どのような実績がありますか。
A.量子最適化を使ったリンク機構の構造探索を第44回日本ロボット学会学術講演会(RSJ2026)で発表しました。また、NEDO懸賞金活用型プログラム「量子コンピュータを用いた社会問題ソリューション開発」で、当社の6チームがスクリーニング採択者に選ばれています。

量子コンピューティングの研究開発・⁠検証についてのご相談

量子コンピュータで試したい課題の診断から、数式への置き換え、従来の手法との比較検証、AIや物理シミュレーションと組み合わせた試作、研究と人材の育成まで、貴社の状況に合わせてご提案します。

お問い合わせ