מרכז הנתונים הקוונטי-בינה מלאכותית של OQC, ג'יי.פי מורגן ו-AMD

שיתוף הפעולה מבוסס על חלוקת תפקידים ברורה. OQC מספקת את שכבת החומרה הקוונטית, שנשענת על ארכיטקטורת מוליכי-על ומערכת ה-GENESIS המתקדמת שלה . AMD תורמת את תשתית המחשוב הקלאסי והבינה המלאכותית, המאפשרת את הרצת תהליכי העבודה ההיברידיים . ג'יי.פי מורגן צ'ייס מביאה עמה תוכנית מחקר ופיתוח ותיקה בתחום הקוונטי וה-AI, שכבר הניבה אלגוריתמים למגוון תרחישים – מתמחור אופציות וניתוח סיכונים ועד לזיהוי הונאות ועיבוד שפה טבעית . יחד, התחייבו שלושת הארגונים למפת דרכים מחקרית המתמקדת במספר יישומים ייעודיים לעולם הפיננסי.

אופטימיזציית תיקים: בחינת אסטרטגיות היברידיות בתנאי שטח

אופטימיזציית תיקים היא אחד משימושי המחשוב הקוונטי המדוברים ביותר בטווח הקרוב בעולם הפיננסים, והיא ניצבת בראש סדר העדיפויות של שיתוף הפעולה. חוקרי ג'יי.פי מורגן צ'ייס ישתמשו במרכז הנתונים החדש כדי לבחון גישות קוונטיות והיברידיות קוונטיות-קלאסיות, שנועדו לשפר את הרכב תיקי ההשקעות ואת התשואות מותאמות הסיכון . המטרה אינה רק חקירה תיאורטית – הפלטפורמה תוכננה במפורש כדי לבחון את ביצועי תהליכי העבודה ההיברידיים הללו מול הדרישות להשהיה נמוכה, שכפול מידע ויכולת שחזור, שבנק גלובלי דורש ממערכות הייצור שלו .

ההיסטוריה המחקרית הרחבה יותר של ג'יי.פי מורגן צ'ייס בתחום הקוונטי מוסיפה כאן הקשר חשוב. קבוצת המחקר הטכנולוגי הגלובלי של החברה כבר פיתחה אלגוריתמים קוונטיים חדשניים לאופטימיזציית תיקים, והיא נמנית עם המוסדות הפיננסיים הפעילים ביותר בחקר הממשק שבין מחשוב קוונטי, AI וקריפטוגרפיה . עם גישה ייעודית ל-GENESIS, הצוות יכול כעת לערוך ניסויים השוואתיים בין גישות קלאסיות, קוונטיות והיברידיות בתנאים שמדמים את מה שדסק מסחר אמיתי עשוי לדרוש בעתיד.

למידת מכונה קוונטית: מהתיאוריה לניסוי מבוקר

למידת מכונה קוונטית היא תחום שזוכה להתעניינות אקדמית כבר זמן רב, אך ניסויים קפדניים וברי-שחזור בתוך תשתית מאובטחת של בנק עצמו היו נדירים. מרכז הנתונים בלונדון משנה זאת. השותפים הצהירו כי הפלטפורמה תשמש להרחבת המחקר בטכניקות למידת מכונה קוונטית המיושמות למידול וחיזוי פיננסי .

מה שמבדל את זה מניסויים בקנה מידה קטן יותר הוא המיקום הפיזי המשותף של המעבד הקוונטי עם משאבי מחשוב AI עתירי ביצועים. הארכיטקטורה מיועדת לעומסי עבודה היברידיים בזמן אמת, מה שמאפשר לאמן רשתות נוירונים קונבנציונליות ולהריץ מעגלים קוונטיים באותה לולאת בקרה סגורה . עבור ג'יי.פי מורגן צ'ייס, השאלות היישומיות הן קונקרטיות: האם גרעינים קוונטיים, מעגלים וריאציוניים, או רשתות נוירונים קוונטיות יכולים להוסיף ערך חיזוי למשימות כמו ניקוד אשראי, זיהוי אנומליות או סיווג רג'ימים בשווקים, כאשר הם נבחנים בקנה מידה ובזמני תגובה שמדמים סביבות פיננסיות חיות?

אבני דרך קוונטיות אחרונות של הבנק מדגישות את רצינותו בגישור בין מחקר לפרקטיקה. במרץ 2025, חוקרי ג'יי.פי מורגן צ'ייס – בעבודה משותפת עם Quantinuum, המעבדה הלאומית ארגון, המעבדה הלאומית אוק רידג' ואוניברסיטת טקסס באוסטין – יצרו ואישרו מתמטית מספרים אקראיים אמיתיים באמצעות מחשב קוונטי . המחקר, שפורסם בכתב העת Nature, הדגים לא רק יכולת תיאורטית אלא תוצר מוחשי עם יישומים ישירים באבטחה, קריפטוגרפיה וסימולציות מונטה קרלו למסחר. מרכז הנתונים החדש מספק במה לביצוע מחקר קוונטי קפדני ומוכוון תוצרים דומה, בקצב של החברה עצמה.

מודלי AI משופרים קוונטית לגילוי אלגוריתמים חדשניים

ייתכן שמסלול המחקר צופה פני העתיד ביותר בשיתוף הפעולה בוחן האם מודלי בינה מלאכותית משופרים קוונטית יכולים להאיץ את הגילוי של אלגוריתמים חדשים המיועדים מלכתחילה למקרי בוחן פיננסיים . לא מדובר רק בשימוש בחומרה קוונטית להאצת צינורות עיבוד (pipelines) קיימים של למידת מכונה; זוהי חקירה פתוחה יותר, השואלת האם AI – כולל מודלי שפה גדולים ומערכות AI ייעודיות – יכול לסייע בתכנון מעגלים קוונטיים טובים יותר, והאם מעבדים קוונטיים יכולים בתורם לשפר את מודלי ה-AI שמחפשים אלגוריתמים פיננסיים חדשים.

שני כיווני מחקר נפרדים אך קשורים מתקיימים במסלול זה. הראשון הוא שיפור מעגלים קוונטיים בעזרת AI: שימוש ב-AI כדי לשפר את הביצועים והנאמנות של המעגלים הקוונטיים עצמם, ובכך להפוך את החומרה הקוונטית למועילה יותר על ידי שיפור שכבת התוכנה השולטת בה . הכיוון השני שואל האם מודלי AI משופרים קוונטית, כולל אולי מודלי שפה גדולים, יכולים לגלות אלגוריתמים קוונטיים חדשים שלא היו ידועים קודם לכן – אלגוריתמים שעשויים לפתור בעיות אופטימיזציה או מידול סיכונים פיננסיות ביעילות רבה יותר מכל שיטה קלאסית או קוונטית קיימת .

גישה זו משתלבת במגמה תעשייתית רחבה יותר של שימוש בלמידת מכונה לחקר מרחב התכנון העצום של מעגלים קוונטיים. מה שהופך את הפרויקט בלונדון לראוי לציון הוא היותו מעוגן בתחום ספציפי – פיננסים – ומבוצע בתוך היקף האבטחה של בנק שיכול להגדיר במדויק אילו בעיות הן בעלות הרלוונטיות המסחרית הגבוהה ביותר. השילוב של מומחיות תחומית, חומרה ייעודית וסביבת המידע המוגנת יוצר מרחב ניסויים ייחודי לגילוי אלגוריתמים לשירותים פיננסיים.

אבטחה, מדרגיות והדרך למוכנות לייצור

מטרת הפלטפורמה חורגת מעבר לאלגוריתם בודד כלשהו. ג'יי.פי מורגן צ'ייס הדגישה כי מרכז הנתונים משמש כפלטפורמת בדיקות אבטחה ברמה ארגונית (enterprise-grade), שבה צוותי מחקר תאגידיים ואקדמיים יכולים להעריך תצורות תוכנה היברידיות קלאסיות-קוונטיות אל מול סטנדרטים של שכפול מידע, עמידות בתקלות ואבטחה החלים על שירותים פיננסיים . הכללת AMD משמעותית במיוחד כאן, משום ששכבת המחשוב הקלאסית חייבת להתמודד עם נפחי הנתונים ועומסי ההסקה שבנק גדול מייצר, ולא רק עם מאגר נתונים פשוט לצורכי מדידה.

המתקן צפוי להיות מבצעי באופן מלא בתוך 12 חודשים ממועד ההכרזה ביוני 2026, כשג'יי.פי מורגן צ'ייס היא המשתמשת הייעודית הראשונה . לוח זמנים זה תואם את מסלול התפתחות החומרה הרחב יותר של OQC: מערכת GENESIS מייצגת את כניסת החברה לעידן הקיוביטים הלוגיים, עם 16 קיוביטים לוגיים המסוגלים לספק אלפי פעולות קוונטיות אמינות, סף שאותו מתארת OQC כמשטר "קילו-קוואופ" (KiloQuOp) . בדיקת אלגוריתמים היברידיים על חומרה שעברה את השלב של קיוביטים פיזיקליים רועשים אל עבר קיוביטים לוגיים מוגני שגיאות, היא צעד מפתח לקראת הוכחה האם מחשוב קוונטי יכול לספק יתרון מעשי בעולם הפיננסים.

שיתוף הפעולה בלונדון אינו ההשקעה היחידה של הבנק בתחום הרשתות הקוונטיות. במרץ 2026, ג'יי.פי מורגן צ'ייס השיקה בנפרד רשת מהירה המוגנת בתקשורת קוונטית וגמישה קריפטוגרפית (Q-CAN), המחברת בין שני מרכזי נתונים על גבי סיבים פרוסים, כשצומת קוונטי שלישי משמש כמרחב ניסויים מחקרי לטכנולוגיות קוונטיות מהדור הבא הישימות לעולם הבנקאות . במבט כולל, השקעות אלו מסמנות שג'יי.פי מורגן צ'ייס בונה בו-זמנית הן את שכבת הקישוריות והן את שכבת החישוב – ומכינה תשתית לעולם שבו רשתות מאובטחות קוונטית ואלגוריתמים משופרים קוונטית מתקיימים יחד בסביבת ייצור.

מדוע מרכז הנתונים בלונדון חשוב מעבר להכרזות

רוב שיתופי הפעולה במחשוב קוונטי בין ספקי חומרה לבנקים מתנהלים במודל ענן משותף, שבו חוקרי הבנק ניגשים למעבד קוונטי דרך האינטרנט לצד משתמשים אקדמיים ומסחריים. המתקן של OQC-ג'יי.פי מורגן צ'ייס-AMD שונה: ממוקם פיזית במשותף, מופעל באופן פרטי, ונבנה ייעודית לעומס העבודה ודרישות האבטחה של משתמש ארגוני יחיד. תצורה זו מאפשרת ניסויים שמודלים של גישה מבוססת ענן אינם יכולים לשחזר בקלות, כולל לולאות היברידיות צמודות שבהן מחשוב קלאסי עתיר ביצועים (HPC), הסקת AI ומעגלים קוונטיים חייבים לתקשר תוך השהיה הנמדדת במיקרו-שניות, ולא בזמני תגובה של תקשורת רשת.

עבור שירותים פיננסיים, שבהם השהיה של מספר אלפיות שנייה יכולה לשאת עלות כלכלית ממשית, ארכיטקטורת המיקום המשותף הזו עשויה להיות חשובה יותר ממספר הקיוביטים הגולמי. הצלחת שיתוף הפעולה תימדד בסופו של דבר לא על ידי הודעות לעיתונות, אלא בשאלה האם ג'יי.פי מורגן צ'ייס תוכל להדגים – על עומסי עבודה פיננסיים אמיתיים ומול אמות מידה קפדניות – שגישות היברידיות קוונטיות-קלאסיות מספקות ביצועים, מדרגיות וכדאיות כלכלית שתשתית קלאסית טהורה אינה יכולה להשיג. מסלולי המחקר באופטימיזציית תיקים, למידת מכונה קוונטית וגילוי אלגוריתמים מונע בינה מלאכותית הם הצעדים הקונקרטיים הראשונים לקראת הוכחה זו.