Quantinuum 升级 Reimei，并扩大与 RIKEN 的量子人工智能合作

Quantinuum 与 RIKEN 于 2026 年 11 月 10 日宣布扩大合作。此前，双方已完成 Reimei 的升级，将其提升至 56 量子比特的 System Model H2。计划包括共同推进一台容错型“Made with Japan”量子计算机的研发；此外，双方还与 SoftBank 达成单独协议，探索将量子与人工智能混合服务引入日本的人工智能数据中心。

RIKEN 在其和光园区举行了庆祝仪式，纪念合作扩展。RIKEN 量子—HPC 混合平台部主任佐藤三久表示，升级后的机器应能解决比此前 H1 系统规模更大、复杂度更高的科学问题；新签署的谅解备忘录则旨在拓展面向科学领域的人工智能量子计算研究。

硬件采购一事此前已经公开：2026 年 4 月 14 日的公告称，H2 已交付并待组装，将取代 H1。因此，11 月公布的进展是升级已经完成并作出新的合作承诺，而不是首次披露 H2 的更换计划。

三套系统分担计算任务

Quantinuum 的技术介绍称，Reimei 配备全连接、高保真量子比特，并将更广泛的平台划分为三种职能。Fugaku 负责大规模经典建模和成熟的科学计算；ROQUO 执行张量网络模拟、人工智能训练和大规模并行计算；Reimei 则负责处理经过筛选的、涉及量子态与关联的计算，这类计算若用经典方式表示，成本会高到难以承受。

Quantinuum Nexus 混合工作流管理器负责协调这些资源，使经典基础设施上的作业能够向 Reimei 提交量子任务，并将结果纳入更大规模的计算中。这种安排让量子处理器在更广泛的科学工作流中承担专门任务，而不必独自处理整个问题。

NVIDIA 于 2026 年 7 月报告称，ROQUO 使用通过 GB200 NVL4 平台接入的 540 块 Blackwell GPU，并连接包括 Reimei 在内的本地量子系统。研究人员当时正开始探索一种与 NVIDIA 共同开发、并集成至其 CUDA-Q 量子—经典计算平台的进化式人工智能框架，以生成 Reimei 电路。

早期量子人工智能研究项目

材料项目结合量子模拟、经典张量网络和生成式人工智能来构建相图，描绘材料性质如何随温度、压力或磁场变化。ROQUO 在经典计算可处理的区域执行高密度张量网络模拟，Reimei 则负责处理深层时间演化电路；在这些电路中，长程关联和不断增强的纠缠会推高经典模拟的成本。

团队已收集 Reimei 硬件在 6 × 6 二维自旋模型上的数据，在参数空间内训练 Transformer 进行零噪声外推，并利用主动学习确定后续量子数据采集的优先顺序。随后，团队将在 ROQUO 上运行一个以经典与量子数据集为基础训练的生成模型，对尚未模拟的条件进行采样。

Quantinuum 报告的初步结果表明，该模型的预测准确度可能高于仅使用经典模拟数据训练的人工智能，预测精度也可能高于单独使用 Reimei 的结果；但 Quantinuum 同时提醒，这些实验发现未必能在更大规模的实验或商业应用中得到验证。对磁性的原子级理解若能提升，或可为超高场 MRI 和智能电网提供参考，不过这些只是潜在应用，并非已经部署的方案。

RIKEN、NVIDIA 与Quantinuum参与的第二个项目，正在开发一种可扩展的工作流，涵盖量子处理器、GPU 和高性能计算。项目最初将以吸收光线的分子锌卟啉为研究对象，重点关注参与光吸收的电子激发态，而不只是在基态中进行搜索。

Fugaku 用于表示更大的分子环境，并承担范围更广的化学工作流；ROQUO 负责优化、组态相互作用计算、人工智能辅助电路设计和光谱重构；Reimei 则搜索强关联区域，寻找重要的电子组态。随后，经典系统利用这些候选组态计算能量，并重构具有实验意义的性质，包括分子的吸收光谱。这种分工避免了要求量子处理器表示整个生物分子环境。

这两个项目的启动时间都早于 Reimei 服务的公开推出。项目结束后，Reimei 计划根据测试用户计划开始常规运行。

RIKEN 之外的商业化计划

“Made with Japan”研究计划将 Quantinuum 的技术与日本大学的研究以及国内零部件供应商的制造专长相结合，并借鉴集成和运行 Reimei 的经验。根据与 SoftBank 另行达成的协议，三家机构将评估基础设施的就绪情况，并研究量子计算机与人工智能数据中心之间的直接连接，包括这些连接能否支持面向科研群体以外用户的商业化混合服务。

Quantinuum提醒称，这份备忘录和与SoftBank达成的协议未必会促成正式协议、联合开发或商业服务。Reimei仍是由日本新能源与产业技术综合开发机构资助的JHPC-quantum项目的一部分；在合作伙伴探索工业应用的同时，当前工作也因此纳入了一项获得支持的研究计划。

此次升级为硬件和工作流程奠定了基础，但商业化仍面临双重考验：一是在更大规模上重现早期研究成果，二是将对SoftBank合作的探索转化为服务，使其应用范围不再局限于RIKEN的研究环境。