JPMorgan, AMD e OQC lanciano a Londra un data center Quantum-AI per testare algoritmi finanziari reali

La partnership è strutturata con ruoli ben definiti. OQC fornisce l'hardware quantistico, basato sulla sua architettura superconduttiva e sul sistema di nuova generazione GENESIS . AMD contribuisce con l'infrastruttura di calcolo classico e IA che rende possibili i flussi di lavoro ibridi . JPMorganChase mette in campo il suo collaudato programma di R&S quantistico e di IA, che ha già prodotto algoritmi per casi d'uso che vanno dalla valutazione del prezzo delle opzioni e l'analisi del rischio, fino al rilevamento delle frodi e l'elaborazione del linguaggio naturale . Insieme, le tre organizzazioni hanno definito una roadmap di ricerca mirata a specifiche applicazioni per i servizi finanziari.

Ottimizzazione di portafoglio: testare strategie ibride in un contesto reale

L'ottimizzazione di portafoglio è uno dei casi d'uso a breve termine più citati per il calcolo quantistico in finanza, ed è in cima all'agenda della collaborazione. I ricercatori di JPMorganChase utilizzeranno il nuovo data center per testare approcci quantistici e ibridi volti a migliorare la costruzione del portafoglio e i rendimenti corretti per il rischio . L'obiettivo non è solo teorico: la piattaforma è esplicitamente progettata per valutare le prestazioni di questi flussi di lavoro ibridi rispetto ai rigorosi requisiti di latenza, replicazione dei dati e riproducibilità che una banca globale applica ai suoi sistemi di produzione .

Il più ampio percorso di ricerca quantistica di JPMorganChase offre un contesto importante. Il gruppo Global Technology Applied Research della banca ha già prodotto algoritmi quantistici innovativi per l'ottimizzazione di portafoglio ed è stato una delle istituzioni finanziarie più attive nell'esplorare l'intersezione tra calcolo quantistico, IA e crittografia . Con l'accesso dedicato a GENESIS, il team può ora eseguire esperimenti comparativi tra approcci classici, quantistici e ibridi in condizioni che rispecchiano ciò che un vero trading desk potrebbe eventualmente richiedere.

Il machine learning quantistico passa dalla teoria agli esperimenti controllati

Il machine learning quantistico è stato a lungo un'area di interesse accademico, ma test rigorosi e riproducibili all'interno dell'infrastruttura sicura di una banca sono stati rari. Il centro di Londra cambia questa situazione. I partner hanno dichiarato che la piattaforma sarà utilizzata per ampliare le esplorazioni nelle tecniche di machine learning quantistico applicabili alla modellazione e previsione finanziaria .

Ciò che rende questo progetto diverso da esperimenti su scala ridotta è la co-locazione del processore quantistico con il calcolo IA ad alte prestazioni. L'architettura è progettata per carichi di lavoro ibridi in tempo reale, rendendo possibile l'addestramento di reti neurali convenzionali e l'esecuzione di circuiti quantistici all'interno dello stesso ciclo controllato . Per JPMorganChase, le domande applicative sono concrete: i kernel quantistici, i circuiti variazionali o le reti neurali quantistiche possono aggiungere valore predittivo per attività come il credit scoring, il rilevamento di anomalie o la classificazione dei regimi di mercato, se testati su una scala e con una latenza che assomigliano ad ambienti finanziari reali?

Le recenti pietre miliari nel settore quantistico della banca sottolineano la serietà con cui intende colmare il divario tra ricerca e pratica. A marzo 2025, i ricercatori di JPMorganChase—in collaborazione con Quantinuum, Argonne National Laboratory, Oak Ridge National Laboratory e l'Università del Texas ad Austin—hanno generato e certificato matematicamente numeri genuinamente casuali utilizzando un computer quantistico . Pubblicato su Nature, quel lavoro ha dimostrato non solo una capacità teorica, ma un risultato tangibile con applicazioni dirette in sicurezza, crittografia e simulazioni Monte Carlo per il trading. Il nuovo data center offre un luogo per perseguire una ricerca quantistica altrettanto rigorosa e orientata ai risultati, seguendo i ritmi della banca stessa.

Modelli di IA potenziati dal calcolo quantistico per la scoperta di nuovi algoritmi

Forse il filone più lungimirante della collaborazione indaga se i modelli di IA potenziati dal calcolo quantistico possano accelerare la scoperta di nuovi algoritmi progettati su misura per casi d'uso finanziari . Non si tratta solo di usare l'hardware quantistico per velocizzare le pipeline di machine learning esistenti; è un'esplorazione più aperta che si chiede se l'IA—inclusi i modelli linguistici di grandi dimensioni (LLM) e sistemi di IA specializzati—possa aiutare a progettare circuiti quantistici migliori, e se i processori quantistici possano a loro volta migliorare i modelli di IA che cercano nuovi algoritmi finanziari.

All'interno di questo filone ci sono due direzioni di ricerca distinte ma correlate. La prima è il miglioramento dei circuiti quantistici assistito dall'IA: utilizzare l'IA per migliorare le prestazioni e la fedeltà dei circuiti quantistici stessi, rendendo di fatto l'hardware quantistico più utile migliorando il livello software che lo controlla . La seconda direzione si chiede se modelli di IA potenziati dal calcolo quantistico, inclusi potenzialmente gli LLM, possano scoprire algoritmi quantistici completamente nuovi, prima sconosciuti—algoritmi che potrebbero risolvere specifici problemi di ottimizzazione finanziaria o di modellazione del rischio in modo più efficiente di qualsiasi metodo classico o quantistico esistente .

Questo approccio si inserisce in un modello industriale più ampio che utilizza il machine learning per esplorare il vasto spazio progettuale dei circuiti quantistici. Ciò che rende notevole il progetto di Londra è che è ancorato a un dominio specifico—la finanza—ed è condotto all'interno del perimetro di sicurezza di una banca che può definire esattamente quali problemi sono più rilevanti a livello commerciale. La combinazione di competenza di dominio, hardware dedicato e ambiente dati protetto lo rende un banco di prova unico per la scoperta di algoritmi nei servizi finanziari.

Sicurezza, scalabilità e la strada verso l'operatività

Lo scopo della piattaforma va oltre ogni singolo algoritmo. JPMorganChase ha sottolineato che il data center funge da piattaforma di test di sicurezza di livello enterprise, dove i team di ricerca aziendali e accademici possono valutare configurazioni ibride di software classico-quantistico rispetto agli standard di replicazione dei dati, tolleranza ai guasti e sicurezza che si applicano ai servizi finanziari . L'inclusione di AMD è particolarmente significativa in questo contesto, perché lo strato classico deve gestire i volumi di dati e i carichi di inferenza che una grande banca genera, e non un dataset di benchmark semplificato.

Si prevede che la struttura sarà pienamente operativa entro 12 mesi dall'annuncio di giugno 2026, con JPMorganChase come primo utente dedicato . Questa tempistica si allinea con la più ampia traiettoria hardware di OQC: il sistema GENESIS rappresenta l'ingresso dell'azienda nell'era dei qubit logici, con 16 qubit logici in grado di eseguire migliaia di operazioni quantistiche affidabili, una soglia che OQC descrive come il regime "KiloQuOp" . Testare algoritmi ibridi su hardware che è passato da rumorosi qubit fisici a qubit logici con mitigazione degli errori è un passo fondamentale per dimostrare se il calcolo quantistico può offrire un vantaggio pratico nella finanza.

Questa collaborazione londinese non è l'unico investimento della banca nel networking quantistico. A marzo 2026, JPMorgan Chase ha implementato separatamente una rete crypto-agile ad alta velocità e protetta quantisticamente, collegando due data center tramite fibra ottica, con un terzo nodo quantistico che funge da banco di prova per tecnologie quantistiche di nuova generazione applicabili al settore bancario . Nel loro insieme, questi investimenti segnalano che JPMorganChase sta costruendo simultaneamente sia lo strato di connettività che quello di calcolo, preparando l'infrastruttura per un mondo in cui reti protette quantisticamente e algoritmi potenziati dal calcolo quantistico coesistono in un ambiente di produzione.

Perché il centro di Londra è importante oltre gli annunci

La maggior parte delle collaborazioni di calcolo quantistico tra fornitori di hardware e banche opera su un modello di cloud condiviso, dove i ricercatori di una banca accedono a un processore quantistico via internet insieme a utenti accademici e commerciali. La struttura di OQC-JPMorganChase-AMD è diversa: fisicamente co-locata, gestita privatamente e costruita su misura per i carichi di lavoro e i requisiti di sicurezza di un singolo utente enterprise. Questa configurazione consente esperimenti che i modelli di accesso basati su cloud non possono facilmente replicare, inclusi cicli ibridi strettamente accoppiati in cui HPC classico, inferenza IA e circuiti quantistici devono comunicare con latenza misurata in microsecondi piuttosto che in round-trip di rete.

Per i servizi finanziari, dove pochi millisecondi di latenza possono comportare un costo economico significativo, questa architettura di co-locazione potrebbe rivelarsi più importante del semplice numero di qubit. Il successo della collaborazione sarà in ultima analisi misurato non dai comunicati stampa, ma dalla capacità di JPMorganChase di dimostrare—su carichi di lavoro finanziari reali e rispetto a benchmark rigorosi—che gli approcci ibridi quantistico-classici offrono prestazioni, scalabilità ed economicità che un'infrastruttura puramente classica non può eguagliare. I filoni di ricerca sull'ottimizzazione di portafoglio, il machine learning quantistico e la scoperta di algoritmi guidata dall'IA sono i primi passi concreti verso questa dimostrazione.