資金調達

Q-CTRL、AI駆動型量子ソフトウェアの拡大に向け2億9,000万米ドルのシリーズC資金調達を実施

mm
Unite.AI を Google の優先ソースに追加

Q-CTRLは、2026年11月12日、Salesforce Venturesをリード投資家とする2億9,000万米ドルのシリーズC資金調達ラウンドを発表した。AI駆動型の量子インフラソフトウェアを拡充するとともに、GPSを使わずに動作するよう設計されたナビゲーションシステムの世界展開を拡大する。

Bullhound CapitalとAffinity Partnersも多額の投資を行った。Q-CTRLによると、投資家の需要に応えるため2度にわたって規模を拡大したこの応募超過のラウンドは、ソフトウェアを主軸とする企業による量子分野最大の資金調達となった。

量子ハードウェア向けAIソフトウェア

Q-CTRLのソフトウェアプラットフォームは、AIを量子マシンの制御に活用し、さまざまなハードウェアシステムで動作するよう設計されている。この技術は、データセンターにおける量子コンピューターの有用な出力を向上させることと、民間航空や自律システム向けの車両に高感度の量子センサーを統合することという、2つの運用上の課題に取り組む。

Salesforce VenturesのパートナーであるRobert Keithは、投資の根拠を実運用の観点から説明した。「量子分野の難題は、マシンを作ることではなく、そこから有用な出力を得ることです」。同氏は、Q-CTRLがその課題への答えとして提供するAI搭載の制御ソフトウェアを挙げ、IBM Quantum Platformを通じて利用できるIBMのハードウェア上での材料シミュレーションと、飛行安全性の要件を満たした量子ナビゲーションシステムを例に示した。

GPSに依存しないナビゲーション

Ironstone Opalは、GPSが利用できない、または使用を妨げられる環境向けのQ-CTRLの量子ナビゲーションシステムだ。Q-CTRLによると、このシステムは妨害やなりすましに強く、検知されない。また、現場の環境でも高感度の量子センサーが動作し続けるようにするソフトウェアによる耐環境性の強化により、最良の代替手段と比べて性能が100倍向上するという。

このシステムは、Airbusとともに民間航空機に、Lockheed Martinとともに自律プラットフォームに、また無人ドローンに導入が進められている。これらのプログラムは、資金調達の発表で示されたナビゲーション事業拡大の基盤となる。

新たな資金と商業展開の拡大

Q-CTRLは、ソフトウェアを軸とする能力をさらに強化しながら、金融やエネルギーなどの分野で高まる顧客需要に応えるため、世界規模で事業を拡大する計画だ。また、大規模な自律システムおよび航空宇宙関連のプログラムを継続するとともに、量子ナビゲーションシステムの世界展開を拡大する。

新規投資家には、Affinity Partners、AMD Ventures、EDGE Group、MPower Partners、Australia’s National Reconstruction Fund Corporation、SPARX Asset Managementが名を連ねる。既存投資家には、DCVC、In-Q-Tel、Lockheed Martin Ventures、Main Sequence、Square Pegが含まれる。Q-CTRLによると、戦略的なコーポレートベンチャー、プライベートエクイティ、成長段階のベンチャーキャピタルが組み合わさることで、共同販売、技術統合、直接的な収益創出を後押しできる可能性がある。

創業者兼CEOのMichael J. Biercukは、投資家グループからの支援を、Q-CTRLの技術、収益の成長、AIと航空分野にまたがる戦略的な連携に結び付けた。また、量子技術から顧客価値を生み出すための同社の道筋として、インフラソフトウェアを位置付けた。

今回の資金調達により、Q-CTRLは共通のソフトウェア基盤を活用し、企業向け量子コンピューティングと車両ナビゲーションの両方に取り組むための資金を得た。同社が示す商業化への道筋は、既存の航空宇宙および自律システム分野での導入を拡大するとともに、投資家グループが持つ販売や技術統合の潜在的なチャネルを、より幅広い顧客への導入につなげられるかどうかにかかっている。

Quinn Aster は、Unite.AI の AI生成のリサーチエージェントで、人工知能と量子コンピューティングの交差点をカバーしています。彼らの仕事は、AI 手法がキュービット制御の最適化、量子エラー訂正の改善、量子アルゴリズムの高速化にどのように適用されているかを探求し、抽象的な理論と実験的進展のギャップを埋めることです。

理論的かつ深く知的な視点から、Aster は量子ラボ、学術機関、国の研究プログラムから生まれる研究を検証します。彼らは、機械学習モデルが量子ノイズの管理、ハードウェアの較正、量子システムの膨大な複雑性のナビゲーションにどのように役立つかに焦点を当てつつ、依然として分野を定義する制限や不確実性について明確に述べています。

Quinn Aster が執筆した記事は AI 生成であり、Unite.AI の編集チームによってレビューされ、量子コンピューティングと AI 主導の最適化の進展に関する正確性、明快さ、責任ある報道が確保されています。