Inuti JP Morgans nya kvantlabb: Så ska AI och kvantdatorer lösa bankens svåraste problem

Samarbetet har tydliga roller. OQC tillhandahåller kvantdatorhårdvaran, med sin supraledande arkitektur och nästa generations GENESIS-system . AMD bidrar med den klassiska beräknings- och AI-infrastruktur som möjliggör hybridarbetsflödena . JP Morgan bidrar med sitt långvariga forskningsprogram inom kvant och AI, vilket redan har producerat algoritmer för allt från optionsprissättning och riskanalys till bedrägeridetektion och språkteknologi . Tillsammans har de tre organisationerna åtagit sig en forskningsplan som riktar in sig på flera specifika tillämpningar inom finansiella tjänster.

Portföljoptimering: hybridlösningar testas i verklighetstrogen miljö

Portföljoptimering är ett av de mest omskrivna användningsområdena för kvantdatorer inom finans och står högst upp på samarbetets agenda. JP Morgans forskare kommer att använda det nya datacentret för att testa kvantbaserade och hybrida metoder för att förbättra portföljkonstruktion och riskjusterad avkastning . Målet är inte enbart teoretisk utforskning – plattformen är uttryckligen utformad för att mäta hur dessa hybridarbetsflöden presterar när de ställs mot de krav på latens, datareplikering och reproducerbarhet som en global bank tillämpar på sina produktionssystem .

JP Morgans bredare kvantforskningshistorik ger här ett viktigt sammanhang. Företagets forskningsgrupp Global Technology Applied Research har redan tagit fram nya kvantalgoritmer för portföljoptimering och har varit en av de mest aktiva finansiella aktörerna i att utforska skärningspunkten mellan kvantdatorer, AI och kryptografi . Med dedikerad tillgång till GENESIS kan teamet nu genomföra jämförande experiment med klassiska, kvantbaserade och hybrida metoder under förhållanden som speglar vad en verklig tradingavdelning så småningom kan kräva.

Kvantmaskininlärning går från teori till kontrollerade experiment

Kvantmaskininlärning har länge varit ett akademiskt intresseområde, men rigorösa, reproducerbara tester inuti en banks egen säkra infrastruktur har varit sällsynta. London-centret ändrar på det. Parterna har uppgett att plattformen kommer att användas för att expandera utforskningen av kvantmaskininlärningstekniker som är tillämpbara för finansiell modellering och prediktion .

Det som skiljer detta från experiment i mindre skala är samlokaliseringen av kvantprocessorn med högpresterande AI-beräkningskraft. Arkitekturen är designad för hybridarbetsbelastningar i realtid, vilket gör det möjligt att träna konventionella neurala nätverk och köra kvantkretsar i samma kontrollerade loop . För JP Morgan är de tillämpade frågorna konkreta: kan kvantkärnor, variationella kvantkretsar eller kvantneurala nätverk tillföra prediktivt värde för uppgifter som kreditbedömning, avvikelsedetektion eller klassificering av marknadsregimer när de testas i en skala och med en latens som liknar verkliga finansiella miljöer?

Bankens senaste kvantgenombrott understryker allvaret i att överbrygga forskning och praktik. I mars 2025 genererade och matematiskt certifierade JP Morgans forskare – tillsammans med Quantinuum, Argonne National Laboratory, Oak Ridge National Laboratory och University of Texas i Austin – genuint slumpmässiga tal med hjälp av en kvantdator . Publicerat i Nature visade arbetet inte bara en teoretisk förmåga utan en konkret output som har direkta tillämpningar inom säkerhet, kryptografi och Monte Carlo-simuleringar för handel. Det nya datacentret ger en plats att driva lika rigorös, resultatorienterad kvantforskning i bankens egen takt.

Kvantförstärkta AI-modeller letar efter nästa generations algoritmer

Det kanske mest framåtblickande spåret i samarbetet undersöker om kvantförstärkta AI-modeller kan påskynda upptäckten av nya algoritmer specifikt utformade för finansiella användningsfall . Detta handlar inte bara om att använda kvantdatorer för att snabba upp befintliga maskininlärningsflöden; det är en mer öppen utforskning som ställer frågan om AI – inklusive stora språkmodeller och specialiserade AI-system – kan hjälpa till att designa bättre kvantkretsar, och om kvantprocessorer i sin tur kan förbättra de AI-modeller som letar efter nya finansiella algoritmer.

Två distinkta men relaterade forskningsriktningar ingår i detta spår. Den första är AI-assisterad förbättring av kvantkretsar: att använda AI för att förbättra prestanda och tillförlitlighet hos själva kvantkretsarna, vilket i praktiken gör kvantdatorn mer användbar genom att förbättra mjukvarulagret som styr den . Den andra riktningen frågar om kvantförstärkta AI-modeller, potentiellt inklusive stora språkmodeller, kan upptäcka nya kvantalgoritmer som tidigare varit okända – algoritmer som kan lösa specifika finansiella optimerings- eller riskmodelleringsproblem mer effektivt än någon existerande klassisk eller kvantbaserad metod .

Detta angreppssätt följer ett bredare branschmönster där maskininlärning används för att utforska det enorma designutrymmet för kvantkretsar. Det som gör Londonprojektet anmärkningsvärt är att det är förankrat i en specifik domän – finans – och körs innanför säkerhetsperimetern hos en bank som exakt kan definiera vilka problem som är mest kommersiellt relevanta. Kombinationen av domänexpertis, dedikerad hårdvara och den skyddade datamiljön gör det till en unik testbädd för algoritmupptäckt inom finansiella tjänster.

Säkerhet, skalbarhet och vägen mot produktionsredo system

Plattformens syfte sträcker sig bortom en enskild algoritm. JP Morgan har betonat att datacentret fungerar som en säkerhetstestplattform i företagsklass där företags- och akademiska forskarteam kan utvärdera hybrida konfigurationer mot de krav på datareplikering, feltolerans och säkerhet som gäller för finansiella tjänster . AMD:s inkludering är särskilt betydelsefull här, eftersom den klassiska infrastrukturen måste hantera de datavolymer och inferenslaster som en storbank genererar, inte en förenklad datamängd för testning.

Anläggningen förväntas vara fullt operationell inom 12 månader från tillkännagivandet i juni 2026, med JP Morgan som den första dedikerade användaren . Den tidslinjen ligger i linje med OQC:s bredare hårdvaruplan: GENESIS-systemet representerar företagets inträde i den logiska qubit-eran, med 16 logiska qubits kapabla att leverera tusentals tillförlitliga kvantoperationer, ett tröskelvärde som OQC beskriver som "KiloQuOp"-regimen . Att testa hybridalgoritmer på hårdvara som passerat gränsen från brusiga fysiska qubits till felreducerande logiska qubits är ett avgörande steg mot att visa om kvantdatorer kan leverera praktisk nytta inom finans.

Detta London-samarbete är inte bankens enda kvantnätverkssatsning. I mars 2026 implementerade JP Morgan separat ett höghastighets kvantsäkrat krypto-agilt nätverk som förbinder två datacenter via fiber, med en tredje kvantnod som fungerar som en forskningstestbädd för nästa generations kvantteknologier som kan tillämpas på bankverksamhet . Sammantaget signalerar dessa investeringar att JP Morgan bygger både uppkopplingslagret och beräkningslagret samtidigt – man förbereder infrastrukturen för en värld där kvantsäkrade nätverk och kvantförstärkta algoritmer samexisterar i en produktionsmiljö.

Varför London-centret är viktigare än rubrikerna

De flesta kvantdatorsamarbeten mellan hårdvaruleverantörer och banker sker via delade molnmodeller, där en banks forskare får tillgång till en kvantprocessor över internet tillsammans med akademiska och kommersiella användare. OQC-JP Morgan-AMD-anläggningen är annorlunda: fysiskt samlokaliserad, privat driven och specialbyggd för en enda företagsanvändares arbetsbelastning och säkerhetskrav. Den konfigurationen möjliggör experiment som molnbaserade modeller inte enkelt kan replikera, inklusive tätt kopplade hybridloopar där klassisk högpresterande beräkning, AI-inferens och kvantkretsar måste kommunicera med latenser mätta i mikrosekunder snarare än nätverksfördröjningar.

För finansiella tjänster, där några millisekunders latens kan innebära betydande ekonomisk kostnad, kan denna samlokaliseringsarkitektur visa sig vara viktigare än antalet råa qubits. Samarbetets framgång kommer i slutändan att mätas inte i pressmeddelanden utan i om JP Morgan kan visa – på verkliga finansiella arbetsbelastningar och mot rigorösa riktmärken – att hybrida kvant-klassiska metoder levererar prestanda, skalbarhet och kostnadseffektivitet som rent klassisk infrastruktur inte kan matcha. Forskningsspåren kring portföljoptimering, kvantmaskininlärning och AI-driven algoritmupptäckt är de första konkreta stegen mot den demonstrationen.