Quantinuumは、量子コンピューティングと人工知能の交差点における課題に取り組むため、量子データ生成とトランスフォーマーベースの機械学習を統合したハイブリッドアプローチである生成量子AI（GenQAI）を導入しました。この方法論の中心となるのは生成量子固有値ソルバー（GQE）で、量子回路から生成されたデータを活用して、改良された量子回路を提案するトランスフォーマーモデルを訓練します。この反復的なフィードバックループにより、システムは段階的により低エネルギーの量子状態を特定し、量子化学における基本的な問題である分子の基底状態の探索を改善します。 GQEフレームワークを検証するため、Quantinuumは量子化学における標準的なベンチマークである水素分子（H₂）でこの手法をテストしました。このハイブリッドシステムは、化学的精度の範囲内で基底状態エネルギーの特定に成功し、古典的なシステムでは解けない量子力学的問題を解決するために、量子プロセッシングユニット（QPU）をトランスフォーマーなどのAIモデルと組み合わせて使用することの実現可能性を実証しました。大規模な状態列挙や近似に依存する古典的なアプローチとは異なり、この手法は複雑な状態を準備する量子ハードウェアの能力を直接活用し、AIが収束を加速させます。 今後、Quantinuumはより複雑な分子系や、創薬、材料探索、組み合わせ最適化などのより広範なアプリケーションにGenQAIを拡張する計画です。量子ハードウェアを使用して新しいデータを生成し、そのデータからAIが学習し最適化するという基本概念は、科学的および産業的な領域across全体での実用的な量子優位性の基礎となる可能性があります。 2025年5月1日