Внутри квантово‑ИИ-дата‑центра OQC–JPMorganChase–AMD: оптимизация портфеля, квантовый машинный интеллект и поиск принципиально новых алгоритмов

Роли в проекте чётко разделены. OQC отвечает за квантовое «железо», опираясь на свою сверхпроводящую архитектуру и систему нового поколения GENESIS . AMD предоставляет классические вычислительные мощности и инфраструктуру для искусственного интеллекта, без которых гибридные сценарии просто невозможны . JPMorganChase же привносит многолетний опыт в области квантовых и ИИ‑исследований: на счету банка уже есть алгоритмы для расчёта цен опционов, анализа рисков, выявления мошенничества и обработки естественного языка . Три организации согласовали исследовательскую дорожную карту, нацеленную на несколько конкретных бизнес‑задач.

Оптимизация портфеля: гибридные стратегии в «боевых» условиях

Оптимизация инвестпортфеля — одна из самых очевидных точек приложения квантовых компьютеров в финансах, и именно она стоит на первом месте в планах партнёров. Исследователи JPMorganChase намерены испытывать квантовые и гибридные подходы, которые должны помочь улучшить структуру портфеля и повысить доходность с поправкой на риск . Задача не в том, чтобы защитить очередную теоретическую статью: платформа специально спроектирована для бенчмаркинга гибридных алгоритмов по тем же стандартам задержки передачи данных, репликации и воспроизводимости, которые глобальный банк предъявляет к своим промышленным системам .

Здесь полезно вспомнить контекст. Исследовательская группа банка Global Technology Applied Research ранее уже создала несколько новых квантовых алгоритмов для оптимизации портфеля и остаётся одним из наиболее активных финансовых институтов в изучении стыка квантовых вычислений, ИИ и криптографии . Получив эксклюзивный доступ к GENESIS, команда сможет проводить сравнительные эксперименты на классических, чисто квантовых и гибридных подходах в условиях, зеркально отражающих требования реального трейдингового деска.

Квантовый машинный интеллект: от семинаров к контролируемому эксперименту

Квантовое машинное обучение давно обсуждают в академических кругах, но строгих, воспроизводимых тестов внутри защищённой инфраструктуры банка практически не было. Лондонский дата‑центр меняет правила игры. Партнёры заявили, что платформа послужит расширению исследований методов квантового машинного обучения, применимых к финансовому моделированию и прогнозированию .

Главное отличие от небольших лабораторных экспериментов — соседство квантового процессора с высокопроизводительными ИИ‑ускорителями. Архитектура изначально спроектирована для гибридной работы в реальном времени: теперь можно обучать обычные нейросети и запускать квантовые схемы в одном и том же вычислительном контуре . Для JPMorganChase прикладные вопросы звучат предельно конкретно: способны ли квантовые ядра, вариационные схемы или квантовые нейросети улучшить предсказательную силу моделей кредитного скоринга, обнаружения аномалий или классификации рыночных режимов, когда их тестируют при масштабах и задержках, напоминающих живую банковскую среду?

Серьёзность намерений банка подкрепляется недавними научными прорывами. В марте 2025 года исследователи JPMorganChase совместно с Quantinuum, Аргоннской и Ок‑Риджской национальными лабораториями и Техасским университетом в Остине сгенерировали и математически сертифицировали истинно случайные числа при помощи квантового компьютера . Статья вышла в журнале Nature и продемонстрировала не просто теоретическую возможность, а осязаемый результат, который уже можно применять в криптографии, информационной безопасности и методах Монте‑Карло для трейдинга. Новый дата‑центр даёт банку площадку, где подобные строгие, нацеленные на результат квантовые исследования можно вести в собственном темпе и без оглядки на внешних арендодателей мощностей.

Квантово‑усиленные модели ИИ в поиске новых финансовых алгоритмов

Пожалуй, самый дальновидный пункт дорожной карты — поиск ответа на вопрос, могут ли квантово‑усиленные ИИ‑модели ускорить изобретение принципиально новых алгоритмов, созданных специально для финансовых задач . Речь не просто о том, чтобы заставить «железо» быстрее крутить привычные пайплайны машинного обучения. Это гораздо более амбициозное исследование: может ли ИИ — в том числе большие языковые модели и специализированные ИИ‑системы — помочь проектировать более совершенные квантовые схемы, и способны ли квантовые процессоры, в свою очередь, улучшать те самые ИИ‑модели, которые заняты поиском новых финансовых алгоритмов?

Внутри этого направления просматриваются две взаимосвязанные, но всё же разные исследовательские линии. Первая — улучшение квантовых схем с помощью ИИ: искусственный интеллект используется для повышения производительности и точности (fidelity) самих квантовых схем, то есть программный слой совершенствует «железо» . Вторая линия задаётся вопросом, могут ли квантово‑усиленные ИИ‑модели (потенциально включая LLM) открыть новые, ранее неизвестные квантовые алгоритмы — те, что решают конкретные задачи оптимизации или риск‑моделирования эффективнее любого существующего классического или квантового метода .

Сама идея использовать машинное обучение для навигации в гигантском конструкторском пространстве квантовых схем соответствует общему тренду в индустрии. Лондонский проект выделяется тем, что он привязан к конкретной предметной области — финансам, — и реализуется внутри защищённого периметра банка, который может безошибочно определить, какие именно задачи имеют наибольшую коммерческую ценность. Сочетание отраслевой экспертизы, выделенного «железа» и закрытой среды данных делает этот полигон уникальным для поиска алгоритмов в финансовой сфере.

Безопасность, масштабируемость и путь к промышленной эксплуатации

Назначение платформы выходит далеко за рамки какого‑то одного алгоритма. В JPMorganChase подчёркивают, что дата‑центр служит испытательным стендом корпоративного уровня, на котором исследовательские команды — и корпоративные, и академические — могут оценивать гибридные программные конфигурации на соответствие стандартам репликации данных, отказоустойчивости и безопасности, принятым в финансовой отрасли . Присутствие AMD здесь особенно существенно, потому что классический слой должен справляться с теми объёмами данных и нагрузками инференса, которые генерирует крупный банк, а не с упрощённым эталонным датасетом.

Ожидается, что объект полностью заработает в течение 12 месяцев после анонса в июне 2026 года, и JPMorganChase станет его первым целевым пользователем . Эти сроки хорошо согласуются с более широкой аппаратной дорожной картой OQC: система GENESIS знаменует для компании вход в эру логических кубитов. Она несёт на борту 16 логических кубитов, способных выполнять тысячи надёжных квантовых операций, — рубеж, который OQC называет режимом «KiloQuOp» . Тестирование гибридных алгоритмов на оборудовании, перешагнувшем от «шумных» физических кубитов к логическим с коррекцией ошибок, — ключевой шаг к тому, чтобы доказать, способны ли квантовые вычисления принести практическую пользу в финансах.

Лондонская коллаборация — не единственная сетевая инвестиция банка в квантовое будущее. В марте 2026 года JPMorgan Chase развернул высокоскоростную квантово‑защищённую крипто‑адаптивную сеть (Q-CAN), связавшую два дата‑центра по проложенному оптоволокну; третий квантовый узел используется как исследовательская платформа для тестирования технологий следующего поколения, применимых в банковском деле . В совокупности эти вложения сигнализируют: JPMorganChase строит одновременно и уровень связности, и уровень вычислений, готовя инфраструктуру к миру, где квантово‑защищённые сети и квантово‑усиленные алгоритмы будут сосуществовать в промышленной среде.

Почему лондонский дата‑центр значит больше, чем кажется

Большинство коллабораций между производителями квантового «железа» и банками работают по модели общего облака: исследователи банка получают доступ к квантовому процессору через интернет наряду с академическими и коммерческими пользователями. Объект OQC–JPMorganChase–AMD устроен иначе: физически совмещён, управляется приватно и спроектирован под задачи и требования безопасности одного корпоративного заказчика. Такая архитектура открывает возможности для экспериментов, которые облачные модели доступа просто не могут воспроизвести, включая тесно связанные гибридные циклы, где классические суперкомпьютеры (HPC), инференс искусственного интеллекта и квантовые схемы должны обмениваться данными с задержками, измеряемыми микросекундами, а не временем полного сетевого пакета туда‑обратно.

Для индустрии финансовых услуг, где несколько миллисекунд задержки могут иметь вполне материальную экономическую цену, такое территориальное совмещение может оказаться важнее, чем грубые показатели числа кубитов. Успех коллаборации в конечном счёте будут мерить не пресс‑релизами, а тем, сможет ли JPMorganChase на реальных финансовых нагрузках и по строгим метрикам продемонстрировать, что гибридные квантово‑классические подходы способны дать производительность, масштабируемость и экономическую эффективность, недостижимые для чисто классической инфраструктуры. Треки по оптимизации портфеля, квантовому машинному обучению и поиску алгоритмов с помощью ИИ — это первые конкретные шаги к такой демонстрации.