JPMorgan, AMD та OQC запускають у Лондоні квантово-ШІ центр для тестування реальних фінансових алгоритмів

Ролі у партнерстві чітко розподілені. OQC надає квантове обладнання, що базується на надпровідній архітектурі та системі нового покоління GENESIS . AMD відповідає за класичні обчислювальні та ШІ-потужності, які уможливлюють гібридні робочі процеси . JPMorganChase залучає свою багаторічну програму досліджень у сфері квантових технологій та ШІ, в межах якої вже створено алгоритми для ціноутворення опціонів, аналізу ризиків, виявлення шахрайства та обробки природної мови . Разом три організації затвердили дослідницьку дорожню карту, націлену на кілька конкретних застосунків у фінансових послугах.

Оптимізація портфелів: тестування гібридних стратегій у реальних умовах

Оптимізація портфелів — один із найчастіше згадуваних прикладних кейсів для квантових обчислень у фінансах, і він стоїть на першому місці в порядку денному колаборації. Дослідники JPMorganChase використовуватимуть новий дата-центр для тестування квантових та гібридних квантово-класичних підходів, покликаних покращити формування портфелів і дохідність з урахуванням ризику . Мета не лише в теоретичних дослідженнях — платформа створена для порівняльного аналізу того, як ці гібридні робочі процеси працюють з огляду на вимоги до затримок, реплікації даних і відтворюваності, які глобальний банк висуває до виробничих систем .

Ширший контекст квантових досліджень JPMorganChase додає цьому ваги. Підрозділ Global Technology Applied Research банку вже створив нові квантові алгоритми для оптимізації портфелів і є однією з найактивніших фінансових установ у вивченні перетину квантових обчислень, ШІ та криптографії . Маючи виділений доступ до GENESIS, команда тепер може проводити порівняльні експерименти з класичними, квантовими та гібридними підходами в умовах, що нагадують ті, яких зрештою потребуватиме реальний торговий відділ.

Квантове машинне навчання: від теорії до контрольованого експерименту

Квантове машинне навчання (Quantum Machine Learning, QML) довгий час було сферою академічного інтересу, однак ретельне, відтворюване тестування всередині власної захищеної інфраструктури банку було рідкістю. Лондонський центр це змінює. Партнери заявили, що платформа використовуватиметься для розширення досліджень методів квантового машинного навчання, застосовних до фінансового моделювання та прогнозування .

Відмінність від менш масштабних експериментів полягає у фізичному співрозташуванні квантового процесора з високопродуктивними ШІ-обчисленнями. Архітектура розроблена для гібридних робочих навантажень у реальному часі, що дозволяє тренувати звичайні нейронні мережі та виконувати квантові схеми в межах одного контрольованого циклу . Для JPMorganChase прикладні питання є конкретними: чи можуть квантові ядра, варіаційні схеми або квантові нейронні мережі додати прогностичної цінності для таких завдань, як кредитний скоринг, виявлення аномалій або класифікація ринкових режимів, якщо їх тестувати з масштабом і затримкою, що нагадують реальні фінансові середовища?

Нещодавні квантові досягнення банку підкреслюють серйозність намірів поєднати дослідження з практикою. У березні 2025 року дослідники JPMorganChase — спільно з Quantinuum, Аргоннською національною лабораторією, Оук-Риджською національною лабораторією та Техаським університетом в Остіні — згенерували та математично сертифікували справді випадкові числа за допомогою квантового комп'ютера . Опублікована в Nature, ця робота продемонструвала не лише теоретичну спроможність, а й відчутний результат, який має безпосереднє застосування у безпеці, криптографії та симуляціях Монте-Карло для трейдингу. Новий дата-центр дає змогу проводити такі ж ретельні, орієнтовані на результат квантові дослідження у власному темпі компанії.

Квантово-підсилені ШІ-моделі для відкриття нових алгоритмів

Чи не найбільш далекоглядний трек колаборації досліджує, чи можуть квантово-підсилені ШІ-моделі пришвидшити відкриття нових алгоритмів, цілеспрямовано створених для фінансових кейсів . Йдеться не просто про використання квантового обладнання для пришвидшення наявних пайплайнів машинного навчання; це більш відкрите дослідження, яке ставить питання, чи може ШІ — зокрема великі мовні моделі (LLM) та спеціалізовані ШІ-системи — допомогти у проєктуванні кращих квантових схем, і чи можуть квантові процесори своєю чергою покращити ті ШІ-моделі, що шукають нові фінансові алгоритми.

У цьому треку є два окремі, але пов'язані напрямки досліджень. Перший — покращення квантових схем за допомогою ШІ: використання ШІ для підвищення продуктивності та точності самих квантових схем, що фактично робить квантове обладнання більш корисним через удосконалення програмного рівня, який ним керує . Другий напрямок ставить питання, чи можуть квантово-підсилені ШІ-моделі, потенційно включно з LLM, відкривати раніше невідомі квантові алгоритми — алгоритми, які могли б розв'язувати конкретні проблеми фінансової оптимізації або моделювання ризиків ефективніше, ніж будь-який наявний класичний чи квантовий метод .

Цей підхід вписується в ширший індустріальний тренд використання машинного навчання для дослідження величезного простору дизайну квантових схем. Лондонський проєкт вирізняється тим, що він прив'язаний до конкретної галузі — фінансів — і виконується всередині периметра безпеки банку, який може чітко визначити, які проблеми є найбільш комерційно значущими. Поєднання галузевої експертизи, виділеного обладнання та захищеного середовища даних робить його унікальним випробувальним майданчиком для відкриття алгоритмів у фінансових послугах.

Безпека, масштабованість і шлях до виробничої готовності

Призначення платформи виходить за межі окремого алгоритму. JPMorganChase наголосив, що дата-центр слугує платформою для тестування безпеки корпоративного рівня, де корпоративні та академічні дослідницькі команди можуть оцінювати гібридні класично-квантові програмні конфігурації на відповідність стандартам реплікації даних, відмовостійкості та безпеки, що застосовуються у фінансових послугах . Участь AMD тут особливо важлива, оскільки класичний рівень повинен обробляти обсяги даних і навантаження, які генерує великий банк, а не спрощений набір еталонних даних.

Очікується, що об'єкт стане повністю функціональним протягом 12 місяців після оголошення в червні 2026 року, причому JPMorganChase буде його першим виділеним користувачем . Цей графік узгоджується з ширшою апаратною траєкторією OQC: система GENESIS знаменує вступ компанії в еру логічних кубітів, маючи 16 логічних кубітів, здатних виконувати тисячі надійних квантових операцій, — поріг, який OQC описує як режим "KiloQuOp" . Тестування гібридних алгоритмів на обладнанні, яке перейшло від зашумлених фізичних кубітів до логічних кубітів із корекцією помилок, є ключовим кроком до демонстрації того, чи можуть квантові обчислення забезпечити практичну перевагу у фінансах.

Ця лондонська колаборація — не єдина квантова мережева інвестиція банку. У березні 2026 року JPMorgan Chase окремо розгорнув високошвидкісну квантово-захищену крипто-гнучку мережу (Q-CAN), що з'єднує два дата-центри через прокладене оптоволокно, з третім квантовим вузлом, який слугує дослідницьким майданчиком для тестування квантових технологій наступного покоління, застосовних до банківської справи . Разом ці інвестиції сигналізують, що JPMorganChase одночасно будує і рівень підключення, і обчислювальний рівень — готуючи інфраструктуру для світу, де квантово-захищені мережі та квантово-підсилені алгоритми співіснують у виробничому середовищі.

Чому лондонський центр важливіший за гучні анонси

Більшість колаборацій у сфері квантових обчислень між виробниками обладнання та банками працюють за моделлю спільної хмари, де дослідники банку отримують доступ до квантового процесора через інтернет разом з академічними та комерційними користувачами. Об'єкт OQC-JPMorganChase-AMD є іншим: фізично співрозташований, приватно керований і цілеспрямовано збудований під робочі навантаження та вимоги безпеки одного корпоративного користувача. Така конфігурація дозволяє проводити експерименти, які важко відтворити в хмарних моделях доступу, зокрема тісно пов'язані гібридні цикли, де класичні HPC, ШІ-висновування та квантові схеми повинні взаємодіяти із затримкою, що вимірюється мікросекундами, а не часом обертання пакетів у мережі.

Для фінансових послуг, де кілька мілісекунд затримки можуть мати відчутну економічну вартість, ця архітектура співрозташування може виявитися важливішою за сиру кількість кубітів. Успіх колаборації в кінцевому підсумку вимірюватиметься не прес-релізами, а тим, чи зможе JPMorganChase продемонструвати — на реальних фінансових навантаженнях і за суворими бенчмарками — що гібридні квантово-класичні підходи забезпечують продуктивність, масштабованість і економічну ефективність, яких не може досягти суто класична інфраструктура. Дослідницькі треки з оптимізації портфелів, квантового машинного навчання та відкриття алгоритмів на основі ШІ є першими конкретними кроками до цієї демонстрації.