Quemixと東北大学が共同提案した「量子コンピュータを用いた材料シミュレーション基盤の開発とその電池材料への実証」が、NEDOの「ポスト5G情報通信システム基盤強化研究開発事業」における大型実証に採択されました。量子計算ツルバーと計算実行基盤を開発し、NanoTerasuの実測データとの比較を通じて有効性を検証します。

量子状態に符号化された関数を効率的に復元するフーリエ空間読み出し（FSR）法に関する、住友ゴム工業との共同研究成果が、学術誌 Quantum Science and Technology に掲載されました。

2026年8月25日(火)、RIST様との共催により「Quloudセミナー -高分子・ソフトマター編-」をオンライン開催いたします。大阪大学 基礎工学研究科 教授の松林伸幸様をお迎えし、分子シミュレーションと溶液理論によるソフト分子集合系の機能解析についてご講演いただきます。

非変分量子アルゴリズムによるスピン適合基底状態準備に関する研究成果が、米国物理学会誌 Physical Review A に掲載されました。

2026年7月7日に、Quloudセミナー -MI編- を開催します。本セミナーでは、物質・材料研究機構（NIMS）グループリーダーの田村亮先生を講師にお迎えし、材料研究におけるMIの活用や、自律駆動型材料研究を支援するソフトウェア開発についてご講義いただきます。

Quemixと本田技術研究所は、マテリアルDXのコア技術である密度汎関数理論（DFT）の計算速度を指数関数的に向上させる量子アルゴリズムを共同開発しました。電子密度分布の読み出しを必要としない高速なDFT計算スキームにより、材料開発の加速に貢献することを目指します。

QuemixとSCSKは、量子コンピュータの実用化を阻む「読み出し（測定）」のボトルネックを解消する新技術「PODリードアウト」を開発しました。量子状態から重要な情報だけを直接抽出することで、測定回数を最大で1/1000まで削減し、製造・材料・金融などの実用的なシミュレーションや解析への応用を目指します。

Quemixと日産は、量子コンピュータを活用した次世代の空力解析ソフトウェアの開発に向けた共同研究を開始しました。実車の複雑な形状を扱える量子・古典ハイブリッドアルゴリズムを開発し、シミュレータ上で従来の解析結果を高精度に再現できることを確認しました。

Quemixと三井金属は、量子コンピュータを使った材料開発を大幅に効率化する新技術「QPE Averaged Variable Grids（QAVG）」を開発しました。Quantinuum社の量子コンピュータ実機を用いて有効性を検証し、材料シミュレーションの実用化加速を目指します。

Quemix、トヨタ自動車、豊田中央研究所、東京大学大学院理学系研究科は、古典コンピュータと量子コンピュータを組み合わせた量子化学計算において、効率的なタスク分散に関する実証研究を行いました。密度行列繰り込み群法（DMRG）と確率的虚時間発展法（PITE）を組み合わせることで、古典コンピュータで真の基底状態に可能な限り近づけた後、量子コンピュータで高精度な解へ到達する計算リソース配分の指針を提示しました。

Quemixはデンソーとの共同研究の成果として、量子コンピュータ上で分子動力学（MD）シミュレーションを実行するための基盤技術を開発しました。分布関数を量子状態として直接時間発展させる新しい計算形式と温度制御（NVT）量子回路を共同開発し、量子化学計算との統合に関する概念実証に成功しました。

本セミナーでは、「計算物質科学」をテーマにした講義と、Quloudを用いたデモンストレーションを実施します。

Quloudセミナー「ナノ構造データ科学編」を開催します。東京大学 渡邉聡教授を講師に迎え、表面・ナノ構造・アモルファスなどの複雑構造を対象に、計算科学とデータ科学を組み合わせた解析・予測手法の最前線を解説します。

SiC中のシリコン空孔（VSi）を量子センサーとして用いることで、デバイス内部の高電場を高空間分解能で直接計測することが可能となりました。最大約2.3 MV/cmの高電場検出と電場分布のマッピングを実証しています。

量子コンピュータを用いたX線吸収スペクトル（XAS）計算に関する研究成果が、米国物理学会誌 Physical Review Applied に掲載されました。本研究は株式会社本田技術研究所との共同研究の一環として実施され、Q2B Tokyo 2025 においても発表されています。

量子計算では、古典データを量子状態として読み込む「振幅エンコーディング」が実用上のボトルネックの一つとされています。本研究では、この課題に対し、Adaptive Interpolating Quantum Transform（AIQT）を用いた新しい近似振幅エンコーディング手法を提案しました。金融時系列データおよび画像データセットで評価を行い、従来のフーリエ変換ベース手法と比較して最大約50%の再構成誤差削減を示しました。

Quloudセミナー「マルチスケールシミュレーション編」を2026年2月6日にオンラインで開催します。東京大学物性研究所の杉野修様にご講演いただきます。

三菱電機株式会社、国立大学法人東京科学大学、国立大学法人筑波大学、株式会社 Quemix の4者は、シリコンに注入した水素が特定の欠陥と結合することで自由電子を生成するメカニズムを世界で初めて解明しました。本メカニズムの解明により、IGBTの電子濃度制御を高度化し、電力損失の低減に貢献します。

Quemixは日本ガイシ株式会社は協働し、量子コンピュータを用いた機械学習ポテンシャル生成の実証研究を実施し、等変性量子ニューラルネットワーク（Equivariant QNN）による精度向上と課題の特定に成功しました。本成果は Physical Review A に掲載されました。

Quloudセミナー「バイオ・シミュレーション編」を2026年1月14日にオンラインで開催します。名古屋大学の岡本祐幸様にご講演いただきます。