量子計算をデスクトップへ、酉術量子の新製品が目指す研究ワークフロー

上海交通大学の量子科学計算チームが立ち上げた酉術量子は、2026年9月20日の上海での発表会で、デスクトップ型の異種計算基盤「UnitarySpark」と、科学計算ソフト「UnitaryLab 2.5」のパブリックベータを公開しました。38

狙いは、自然言語によるタスク設定からローカルでのシミュレーション、さらに量子プロセッサでの実験へと、研究の流れを一つの環境でつなぐことです。ただし、シミュレーターから実機への接続は現在検証中。ベータ利用者があらゆる量子プロセッサをすぐ使えると確認されたわけではありません。34

UnitarySparkとUnitaryLabの役割

UnitaryLabがソフトウェア、UnitarySparkがデスクトップの計算基盤という関係です。発表資料によると、ワークステーションにはGPUを使った量子シミュレーション、AIエージェントとの対話機能、量子ハードウェアへの接続を想定したインターフェースが組み合わされています。4

利用の流れは、おおむね次のようになります。

1. 問題を言葉で伝える。 量子アルゴリズムや偏微分方程式（PDE）の求解、工学シミュレーションなどの依頼を入力します。
2. 計算タスクに変換する。 UnitaryLabのエージェントが依頼を解釈し、数学的な問題やパラメーター、実行タスクを用意します。7
3. ローカルでシミュレーションする。 量子アルゴリズムやシミュレーターを呼び出して計算します。NVIDIAが公開したDGX Sparkの事例では、エージェントがローカル推論サービスとUnitaryLabのツールを使い、シュレーディンガー化によるPDEの計算例を実行します。7
4. 実機での実行を検討する。 Unit­arySparkには実機接続用のインターフェースが設けられ、統一Circuit APIでシミュレーターと量子プロセッサをつなぐ構想です。34

最後の段階は、現時点では実機に「すぐ切り替えられる」ことが広く確認されたという意味ではありません。報道では、シミュレーションから実機までの接続経路を検証しているとされています。34

「ローカル中心」が意味すること

デスクトップでの運用により、推論やアルゴリズムの実行、データ保存を手元のワークステーション内で行えることが、同社の説明する利点です。機密性の高い研究・産業データを扱う用途を意識した設計とされています。24 NVIDIAのDGX Sparkに関する事例でも、NIMを使ったローカル推論とUnitaryLabのエージェント、シミュレーターを組み合わせる手順が紹介されています。7

ただし、「ローカル中心」は、あらゆる構成でデータが組織外に出ないという包括的な保証ではありません。公開情報はローカル計算の仕組みを説明していますが、個別の導入環境におけるデータの扱いや、リモートの量子プロセッサへ接続する際に何が送信されるかまでは網羅していません。導入前に、構成やアクセス条件、データの境界を確認する必要があります。347

微分方程式に使う「シュレーディンガー化」

シュレーディンガー化は、酉術量子の手法の基盤となるアルゴリズムです。大まかには、ある種の非ユニタリな微分方程式を、量子系が扱えるユニタリな時間発展の形に数学的に変換します。48

同社は、線形および複数の非線形偏微分方程式への対応や、個別の問題から量子回路を生成する機能をうたっています。13 NVIDIAの事例では、計算結果の数値解や量子回路図、可視化結果を出力する流れが説明されています。7 これらは手法やソフトウェアの機能についての説明であり、現在の量子ハードウェアが一般に古典コンピューターより速く問題を解けることを示すものではありません。

提携とNVIDIAの事例から見えること

発表会では、酉術量子が上海国盾量子、上海玻色元培量子科技、上海中器無量量子科技との協力を発表しました。報道によると、量子計算ソフトとハードウェアの適合、機器間の接続、応用分野での検証などが協力内容に含まれます。8 中国国内の量子ハードウェアとソフトウェア基盤をつなぐ取り組みを示すものですが、提携の発表だけで広範な商用利用や性能が実証されたわけではありません。

また、NVIDIAが公開したDGX Sparkの事例は、同社のデスクトップシステム上で、ローカル推論とUnitaryLabのエージェントを組み合わせるワークフローを紹介しています。7 これは実装例の説明であり、DGX SparkとUnitarySparkが同一製品であることや、すべての処理が本番運用に対応していることを意味しません。

中国で量子計算ツールの導入を検討する研究者や企業にとって、この発表のポイントは、ローカル計算、GPUによるシミュレーション、自然言語によるタスク設定、そして国内量子プロセッサでの検証を一つの構想として提示したことです。導入判断では、対応する実機、利用条件、個別の問題での性能、ワークステーション外へ接続する際のデータの扱いを確認することが重要です。3478