量子プラットフォーム開発企業であるオックスフォード・クオンタム・サーキット（OQC）は、グローバル金融機関であるシティおよび英国のナショナル・クオンタム・コンピューティング・センター（NQCC）と共同で、技術的なケーススタディを完了しました。NQCCのSparQユーザーエンゲージメントイニシアチブの下で実施されたこの研究では、パラメータ効率の良い量子機械学習と物理情報付きニューラルネットワーク（PINN）を組み合わせることで、金融デリバティブ価格設定を支配する偏微分方程式（PDE）を解くことの運用上の実現可能性を評価しました。
デリバティブ価格設定エンジンは、ブラック・ショールズ、デュピール局所ボラティリティ、ハル・ホワイトなどの偏微分方程式フレームワークモデルに依存して、連続的なオプション価格設定サーフェスを構築し、リスク感応度指標（ギリシャ文字）を計算します。この共同イニシアチブでは、Quantum-Train圧縮プロトコルを使用して、量子圧縮物理情報付きニューラルネットワーク（QPINN）を実装しました。パラメータ化された量子回路を浅いニューラルネットワーク層に埋め込むことで、モデルは支配的な価格設定方程式の連続的な解を学習しながら、古典的なパラメータフットプリントを削減します。
ここから先は
1135字
