JPMorgan, AMD ja OQC avaavat Lontooseen kvantti-AI-keskuksen testatakseen todellisia rahoitusalan algoritmeja

Yhteistyökumppaneilla on kullakin oma selkeä roolinsa. OQC tarjoaa kvanttilaitteiston, joka perustuu sen suprajohtavaan arkkitehtuuriin ja seuraavan sukupolven GENESIS-järjestelmään . AMD tuo mukanaan klassisen laskennan ja tekoälyn infrastruktuurin, joka mahdollistaa hybridityönkulkujen toteuttamisen . JPMorganChase tuo mukanaan pitkäaikaisen kvantti- ja tekoälytutkimusohjelmansa, joka on jo tuottanut algoritmeja esimerkiksi optioiden hinnoitteluun, riskianalyysiin, petostentorjuntaan ja luonnollisen kielen käsittelyyn . Yhdessä nämä kolme organisaatiota ovat sitoutuneet tutkimusohjelmaan, joka pureutuu useisiin finanssialan sovelluksiin.

Portfolion optimointi: hybridistrategioiden testausta tosielämän ympäristössä

Portfolion optimointi on yksi useimmin mainituista kvanttitietokoneiden lähitulevaisuuden käyttökohteista rahoitusalalla, ja se on yhteistyön asialistan kärjessä. JPMorganChasen tutkijat käyttävät uutta datakeskusta testatakseen kvantti- ja hybridimalleja, joiden on tarkoitus parantaa salkun rakentamista ja riskikorjattuja tuottoja . Kyse ei ole pelkästä teoreettisesta tutkimuksesta – alusta on nimenomaisesti suunniteltu mittaamaan, miten nämä työnkulut suoriutuvat verrattuna latenssi-, datan replikointi- ja toistettavuusvaatimuksiin, joita globaali pankki soveltaa tuotantojärjestelmiinsä .

JPMorganChasen laajempi kvanttitutkimuksen historia tarjoaa tähän tärkeää kontekstia. Yrityksen Global Technology Applied Research -ryhmä on jo tuottanut uusia kvanttialgoritmeja portfolion optimointiin, ja se on ollut yksi aktiivisimmista finanssialan toimijoista kvanttilaskennan, tekoälyn ja kryptografian risteyksessä . Pääsy omaan GENESIS-järjestelmään antaa tiimille mahdollisuuden suorittaa vertailevia kokeita klassisten, kvantti- ja hybridimenetelmien välillä olosuhteissa, jotka heijastavat sitä, mitä todellinen kaupankäyntipöytä voisi lopulta vaatia.

Kvanttikoneoppiminen laajenee teoriasta kontrolloituihin kokeisiin

Kvanttikoneoppiminen on pitkään ollut akateemisen mielenkiinnon kohde, mutta tarkka ja toistettava testaaminen pankin omassa tietoturvallisessa infrastruktuurissa on ollut harvinaista. Lontoon keskus muuttaa tämän. Osapuolet ovat todenneet, että alustaa käytetään laajentamaan tutkimusta kvanttikoneoppimisen tekniikoista, joita voidaan soveltaa taloudelliseen mallintamiseen ja ennustamiseen .

Mikä tekee tästä erityistä pienempiin kokeiluihin verrattuna, on kvanttiprosessorin ja suurtehoisen tekoälylaskennan sijoittaminen samaan tilaan. Arkkitehtuuri on suunniteltu reaaliaikaisia hybridityökuormia varten, mikä mahdollistaa perinteisten neuroverkkojen kouluttamisen ja kvanttipiirien ajamisen samassa kontrolloidussa silmukassa . JPMorganChasen kannalta sovelletut kysymykset ovat konkreettisia: voivatko kvanttiytimet, variaatio-piirit tai kvanttineuroverkot tuoda ennustearvoa esimerkiksi luottoluokitukseen, poikkeamien havaitsemiseen tai markkinatilanteiden luokitteluun, kun niitä testataan sellaisessa mittakaavassa ja viiveellä, jotka muistuttavat eläviä finanssiympäristöjä?

Pankin viimeaikaiset kvanttisaavutukset korostavat sen tosissaan olevaa pyrkimystä tutkimuksen ja käytännön yhdistämiseen. Maaliskuussa 2025 JPMorganChasen tutkijat – yhteistyössä Quantinuumin, Argonnen kansallisen laboratorion, Oak Ridgen kansallisen laboratorion ja Texasin yliopiston Austinissa kanssa – onnistuivat tuottamaan ja matemaattisesti varmentamaan aidosti satunnaisia lukuja kvanttitietokoneella . Nature-lehdessä julkaistu työ osoitti konkreettisen tuotoksen, jolla on suoria sovelluksia tietoturvaan, kryptografiaan ja kaupankäynnin Monte Carlo -simulaatioihin. Uusi datakeskus tarjoaa puitteet harjoittaa vastaavanlaista kurinalaista, tulosorientoitunutta kvanttitutkimusta pankin omaan tahtiin.

Tekoälyllä tehostetut kvanttimallit uusien algoritmien löytämiseksi

Ehkä kauaskantoisin tutkimuslinja yhteistyössä selvittää, voivatko tekoälyllä tehostetut kvanttimallit nopeuttaa täysin uusien, finanssialalle räätälöityjen algoritmien löytämistä . Kyse ei ole vain kvanttilaitteiston käyttämisestä olemassa olevien koneoppimisputkien nopeuttamiseen, vaan avoimemmasta tutkimuksesta, jossa kysytään, voiko tekoäly – mukaan lukien suuret kielimallit ja erikoistuneet tekoälyjärjestelmät – auttaa suunnittelemaan parempia kvanttipiirejä, ja voivatko kvanttiprosessorit puolestaan parantaa niitä tekoälymalleja, jotka etsivät uusia rahoitusalgoritmeja.

Kaksi erillistä mutta toisiinsa liittyvää tutkimussuuntaa kuuluu tähän linjaan. Ensimmäinen on tekoälyavusteinen kvanttipiirien parantaminen: tekoälyn käyttö itse kvanttipiirien suorituskyvyn ja tarkkuuden parantamiseen, mikä tekee kvanttilaitteistosta hyödyllisempää parantamalla sitä ohjaavaa ohjelmistokerrosta . Toinen suunta selvittää, voivatko tekoälyllä tehostetut kvanttimallit, mahdollisesti mukaan lukien suuret kielimallit, löytää uusia kvanttialgoritmeja, jotka olivat aiemmin tuntemattomia – algoritmeja, jotka saattavat ratkaista tiettyjä taloudellisia optimointi- tai riskimallinnusongelmia tehokkaammin kuin mikään olemassa oleva klassinen tai kvanttimenetelmä .

Tämä lähestymistapa sopii laajempaan alan trendiin käyttää koneoppimista kvanttipiirien valtavan suunnitteluavaruuden tutkimiseen. Se mikä tekee Lontoon projektista huomionarvoisen, on sen ankkuroituminen tiettyyn toimialueeseen – rahoitukseen – ja sen toteuttaminen pankin tietoturva-aidan sisällä, missä voidaan tarkasti määritellä kaupallisesti merkittävimmät ongelmat. Toimialueasiantuntemuksen, oman laitteiston ja suojatun dataympäristön yhdistelmä tekee siitä ainutlaatuisen testiympäristön algoritmien löytämiselle rahoituspalveluissa.

Tietoturva, skaalautuvuus ja tie tuotantovalmiuteen

Alustan tarkoitus ulottuu yksittäistä algoritmia laajemmalle. JPMorganChase on korostanut, että datakeskus toimii yritystason tietoturvatestausalustana, jossa yritysten ja akateemiset tutkimusryhmät voivat arvioida klassis-kvantti-ohjelmistokokoonpanoja suhteessa finanssialaa koskeviin datan replikointi-, vikasietoisuus- ja tietoturvastandardeihin . AMD:n mukanaolo on tässä erityisen merkittävää, koska klassisen kerroksen on kyettävä käsittelemään datamääriä ja päättelykuormia, joita suuri pankki tuottaa, ei pelkistettyjä testiaineistoja.

Laitoksen odotetaan olevan täysin toimintavalmis 12 kuukauden kuluessa kesäkuun 2026 julkistuksesta, ja JPMorganChase on sen ensimmäinen omistautunut käyttäjä . Tämä aikataulu on linjassa OQC:n laajemman laitteistokehityksen kanssa: GENESIS-järjestelmä edustaa yhtiön siirtymistä loogisten kubittien aikakauteen, sillä siinä on 16 loogista kubittia, jotka pystyvät tuottamaan tuhansia luotettavia kvanttioperaatioita – kynnyksen, jota OQC kutsuu "KiloQuOp"-rajapyykiksi . Hybridialgoritmien testaaminen laitteistolla, joka on siirtynyt kohinaisista fysikaalisista kubiteista virheenvaimentamiin loogisiin kubiteihin, on keskeinen askel kohti sen osoittamista, voiko kvanttitietokone tarjota käytännön hyötyä rahoitusalalla.

Tämä Lontoon yhteistyö ei ole pankin ainoa sijoitus kvanttiverkkoihin. Maaliskuussa 2026 JPMorgan Chase otti erikseen käyttöön nopean kvanttisuojatun kryptoagillin verkon (Q-CAN), joka yhdistää kaksi datakeskusta valokuidun yli, ja kolmas kvanttisolmu toimii tutkimusalustana seuraavan sukupolven pankkialalle soveltuville kvanttiteknologioille . Yhdessä nämä sijoitukset viestivät, että JPMorganChase rakentaa samanaikaisesti sekä liitettävyys- että laskentakerrosta – valmistellen infrastruktuuria maailmaa varten, jossa kvanttisuojatut verkot ja kvanttitehostetut algoritmit elävät rinnakkain tuotantoympäristössä.

Miksi Lontoon keskus on tärkeämpi kuin julkistukset antavat ymmärtää

Useimmat kvanttilaskentayhteistyöt laitetoimittajien ja pankkien välillä toimivat jaetun pilven mallilla, jossa pankin tutkijat käyttävät kvanttiprosessoria internetin yli yhdessä akateemisten ja kaupallisten käyttäjien kanssa. OQC-JPMorganChase-AMD-laitos on erilainen: fyysisesti samassa tilassa, yksityisesti hallinnoitu ja räätälöity yhden yritysasiakkaan työkuormia ja tietoturvavaatimuksia varten. Tämä kokoonpano mahdollistaa kokeita, joita pilvipohjaiset käyttömallit eivät pysty helposti toistamaan, mukaan lukien tiukasti kytketyt hybridisilmukat, joissa klassisen suurteholaskennan, tekoälypäättelyn ja kvanttipiirien on viestittävä mikrosekunneissa mitattavalla viiveellä, ei verkon edestakaisella matka-ajalla.

Finanssialalla, jossa muutaman millisekunnin latenssilla voi olla huomattava taloudellinen merkitys, tällä samaan tilaan sijoittamisen arkkitehtuurilla voi olla suurempi merkitys kuin raa'alla kubittien määrällä. Yhteistyön onnistumista ei lopulta mitata lehdistötiedotteilla, vaan sillä, pystyykö JPMorganChase osoittamaan – oikeilla taloudellisilla työkuormilla ja tiukoilla vertailuarvoilla – että hybridi kvantti-klassiset lähestymistavat tuottavat suorituskykyä, skaalautuvuutta ja kustannustehokkuutta, johon puhtaasti klassinen infrastruktuuri ei pysty. Tutkimuslinjat portfolion optimointiin, kvanttikoneoppimiseen ja tekoälyohjattuun algoritmien löytämiseen ovat ensimmäisiä konkreettisia askeleita kohti tätä näyttöä.