量子コンピュータによる非線形方程式の計算を従来手法に比べて指数関数的に加速する新手法を、Quemixと住友ゴム工業が共同で開発しました。量子計算における最大の課題である「読み出し問題」を解決し、CAE領域で量子計算の実用的な高速性を示した画期的な成果です。

クラウド型材料計算プラットフォーム「Quloud」は、安定性・性能・セキュリティを強化した新インフラ基盤環境でのサービス提供を開始します。ユーザー数やジョブ実行数の増加に対応し、より安心してご利用いただける環境へ進化しました。サービスリリース日は2025年12月1日です。

名古屋大学の片桐孝洋先生による講演「ソフトウェア自動チューニング研究の最前線　～量子アニーラからコード生成AIエージェントまで～」、およびクラウド型材料計算プラットフォーム「Quloud」のデモを紹介するセミナーです。

Quemixの川内進が、専門書『リビングラジカル重合の精密制御と応用事例』（技術情報協会）に分担執筆。Q-eスキームを改良した新理論を提案し、モノマー反応性比の予測精度向上に貢献しました。

QuemixはQuantinuum社のスタートアップパートナープログラムに参加します。FTQC向け量子アルゴリズム研究やユースケース開発をさらに加速し、Quantinuum社と共にグローバル市場での量子コンピュータ活用推進に取り組みます。

大阪大学の森川良忠先生による講演「第一原理電子状態計算と機械学習法による多階層連結計算を用いた表面化学反応過程の研究」、およびクラウド型材料計算プラットフォーム「Quloud」のデモを紹介するセミナーです。

量子コンピュータの国際会議「Q2B 2026 Tokyo」の開催が決定し、出展社およびスポンサー企業の募集が始まりました。Quemixは2025に引き続き共同主催者およびプラチナスポンサーとして参加し、誤り訂正量子コンピュータ（FTQC）に関する研究成果や最新ユースケースを発表予定です。前回「Q2B 2025 Tokyo」では過去最多となる670名以上が参加し、本田技術研究所とQuemixによる「量子状態を読み出す新技術」の共同発表などが注目を集めました。

Quemixの本間らによる論文が Physical Review B に掲載されました。本研究では、追加の自己無撞着計算を必要としないパラメータフリーDFT-1/2法を提案し、半導体のバンドギャップや欠陥準位を効率的かつ高精度に評価できることを示しました。

QuemixのGekko Budiutamaらの研究チームは、量子機械学習の訓練困難性を克服するための新手法「AIQT（Adaptive Interpolating Quantum Transform）」を提案しました。従来の深い量子回路による学習困難性を回避しつつ、少数のパラメータで高度な変換表現力を実現する本手法は、5月に発表された「General Transform（GT）」の発想を量子回路へと拡張したものです。

東京大学の溝口照康先生による講演「ELNES/XANES理論計算の基礎と応用」、およびクラウド型材料計算プラットフォーム「Quloud」のデモを紹介するセミナーです。

株式会社Quemixが、NEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）の公募事業「ポスト5G情報通信システム基盤強化研究開発事業」の量子コンピュータに携わる人材育成（委託）の実施予定先に決定されました。Quemixは本事業において量子コンピュータのアルゴリズム開発が可能なハイエンド人材育成を実施し、ゲート型量子コンピュータの産業化をリードする人材輩出に貢献いたします。

筑波大学の矢花先生による講演「光で駆動される電子ダイナミクスの第一原理計算」、およびQuemixの提供しているクラウド型材料計算プラットフォーム「Quloud」のデモを紹介するセミナーです。

Science Portalの動画ニュース「量子コンピューター ビジネスの時代へ」にてQuemixが取り上げられ、弊社CEO松下雄一郎が登場しました（2025年6月6日公開）。

AISTの三宅隆先生による講演「第一原理計算とデータ駆動手法による磁性材料の予測と設計」、およびQuemix独自の第一原理磁性材料・磁性デバイス開発支援ソフトウェア「Quloud-Mag」のデモを紹介するセミナーです。

日刊工業新聞がQuemixの量子コンピューティングに関する取り組みを紹介。量子・古典ハイブリッド高速計算技術やその応用領域、代表取締役CEO松下の「5年以内に量子超越を目指す」という意気込みを伝える。

株式会社Quemixと株式会社本田技術研究所は世界初の「量子状態を読み出す新技術」を開発しました。

QuemixのGekkoらは、機械学習モデルにおいて表現力を高めるための新しい変換手法「一般化変換（General Transform）」を提案する論文を発表しました。 この論文では、従来の離散フーリエ変換などの固定的な変換に代わり、データとタスクに応じて最適な変換を学習的に構成する枠組みを提示しています。変換の重み付けはモデルと同時に学習され、汎用的かつ効率的な特徴抽出が可能になります。 画像認識および自然言語処理の実験により、従来手法に対する一貫した性能向上が確認され、今後の幅広い応用が期待されます。

Quemixは日本ガイシと協働し、材料計算分野において量子コンピュータを用いた機械学習ポテンシャル生成技術の検証を実施しました。将来量子コンピュータが実用化された際の具体的な応用先を日本ガイシが材料メーカーの視点で検討し、当社が 計算ターゲット材料が有する対称性を備えた機械学習ポテンシャルである、“等変性”量子ニューラルネットワークを開発し、その有効性を協働で検証しました。本成果を、2025年5月7日（水）にarXivにて“Towards Improved Quantum Machine Learning for Molecular Force Fields”というタイトルで公開しました。

Quemixは、みずほキャピタルやSCSKなどを引受先とする第三者割当増資により、シリーズBラウンドで総額5.5億円の資金調達を実施しました。量子コンピュータの社会実装に向けた研究開発をさらに加速していきます。

https://www.quemix.com/seminar/20250423 本セミナーでは、 昨今取り上げられることが多い 「半導体」をテーマとして関連した講義およびデモンストレーションを行います。 共催の高度情報科学技術研究機構（RIST）から吉澤香奈子様を、大阪大学...