Репортаж от Wedoany，Шведский стартап FirstQFM на конференции ISC High Performance 2026 представил платформу машинного обучения на основе квантовой фундаментальной модели (QFM), предназначенную для оптимизации систем квантовых резервуарных вычислений (QRC). В прогнозировании финансовых временных рядов платформа достигла 56,1% нулевой выборки на уровне последовательности.
Квантовые резервуарные вычисления как гибридная структура моделирования последовательностей используют квантовые схемы малой глубины в качестве генераторов высокоразмерных признаков. В отличие от традиционных реализаций, использующих один статический резервуар, платформа FirstQFM настраивает резервуар, изучая контекстную информацию, адаптируя его к физическому состоянию базового процессора и конкретным характеристикам задачи прогнозирования. Технология включает два ключевых рабочих процесса: «осознание задачи» и «осознание устройства». Первый анализирует математическую структуру потока данных, корректируя внутреннюю память и нелинейные кривые резервуара; второй отслеживает рабочую среду квантового процессора в реальном времени, настраивая резервуар с учетом топологии кубитов, ограничений калибровки вентилей, фонового перекрестного шума и векторов шума в реальном времени.
Альфа-версия системы была оценена на 41 задаче прогнозирования ежедневной финансовой доходности, охватывающей отдельные акции, глобальные индексы, криптоактивы и сырьевые товары. В оценке нулевой выборки архитектура QRC от FirstQFM продемонстрировала более низкое среднее значение среднеквадратичной ошибки (0,000485 MSE) и более высокую точность направления по сравнению с ведущими базовыми моделями временных рядов, разработанными Google, Amazon и Salesforce. Начальный резервуар был сгенерирован с использованием пакетов NVIDIA cuQuantum SDK и cuTensorNet на суперкомпьютере Leonardo, поддерживаемом EuroHPC, на границе классической симулируемости. Для проверки производительности на более крупных, несимулируемых резервуарах команда провела финальное тестирование на многокристальном сверхпроводящем квантовом оборудовании Rigetti Computing, повысив среднюю точность прогнозирования направления до 54,74% и достигнув пикового снижения MSE на 52,95% для отдельных последовательностей по основным индексам, таким как DAX 30 и Dow 30.
FirstQFM открыла бета-версию системы для избранных пилотных партнеров для обработки многомерных корпоративных временных рядов. Архитектура бета-версии включает аппаратно-адаптивный стабилизирующий слой, который динамически корректирует цикл извлечения признаков в ответ на изменения физических свойств кубитов. Стратегия корпоративного развертывания включает два направления: облачное и локальное. Локальный модуль будет использовать NVIDIA NVQLink для установления низколатентного соединения между локальным GPU-сервером и контроллером квантовой системы, позволяя операторам предприятия переключаться между прямым прогнозированием и повторно используемыми слоями признаков с помощью управления на естественном языке.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
