Naar inhoud

TechnologieNieuws

JIJ, LTM en Kipu Quantum lanceren functies in IBM's Quantum Functions Catalog

Het Japanse JIJ, het Indiase LTM en het Zwitserse Kipu Quantum voegden deze week elk een eigen functie toe aan IBM's Quantum Functions Catalog, voor combinatorische optimalisatie, foutmitigatie en machine learning.

Gepubliceerd
Bijgewerkt
3 min lezen
IBM-quantumcomputerhardware te zien tijdens een ITU WTSA 2024-demo in Delhi
Foto: Dev Jadiya · Wikimedia Commons · CC BY-SA

Het Japanse bedrijf JIJ voegde deze week zijn SQOA Solver toe aan IBM’s Quantum Functions Catalog. Dat is een verzamelplek voor kant-en-klare quantumtoepassingen op IBM’s hardware. De functie richt zich op combinatorische optimalisatie: het zoeken naar de beste van zeer veel mogelijke combinaties, zoals een planning, een route of een verdeling van middelen. Volgens IBM’s eigen catalogus pakt de SQOA Solver problemen aan met meer van die beslissingsvariabelen dan er fysieke qubits beschikbaar zijn. Dat gebeurt via een hybride werkwijze, met klassieke voor- en nabewerking rond de quantumstap. Het aantal fysieke qubits is in de huidige generatie quantumprocessoren meestal juist de beperkende factor voor hoe groot zo’n optimalisatieprobleem mag zijn.

JIJ is niet de enige nieuwkomer in de catalogus. Twee andere bedrijven zetten er deze week eveneens een eigen functie in.

LTM, onderdeel van het internationale bouw- en technologieconcern Larsen & Toubro, werd de eerste wereldwijde systeemintegrator met een eigen functie in de catalogus: AI-QEM. AI-QEM is een vorm van foutmitigatie. Dat is een techniek die de ruis uit de resultaten van een quantumberekening filtert, zonder de hardware zelf aan te passen. Die ruis ontstaat doordat de huidige quantumprocessoren nog gevoelig zijn voor storingen uit hun omgeving. Zonder correctie geeft een berekening daardoor een minder scherp antwoord. AI-QEM doet dat filteren met een getraind neuraal netwerk. De functie heeft daarvoor geen extra rekentijd op de quantumprocessor of extra hulp-qubits nodig, meldt IBM’s catalogus. Dat onderscheidt AI-QEM van oudere mitigatiemethoden, die vaak extra metingen of extra qubits vragen. Die oudere methoden maken een berekening daardoor trager of duurder. Volgens de catalogus werkt de aanpak generiek, op circuits van meer dan honderd qubits. Dat juist een systeemintegrator als LTM zo’n functie bouwt, past bij zijn rol: klanten helpen bestaande technologie daadwerkelijk in te zetten.

Het Zwitserse Kipu Quantum bracht zijn functie Rimay naar de catalogus. Rimay is een voorbewerkingslaag die met een quantumprocessor kenmerken uit data haalt. Die kenmerken gaan daarna in gewone klassieke machine-learning-modellen, zoals scikit-learn en XGBoost. Kenmerken zijn de meetbare eigenschappen in een dataset waarop een model zijn voorspelling baseert. Hoe beter ze de onderliggende patronen vangen, hoe beter de voorspelling kan uitpakken. IBM’s catalogus beschrijft Rimay als een manier om bestaande klassieke ML-pijplijnen quantum-getransformeerde kenmerken te geven. Het doel daarvan is een betere voorspelling. Een gebruiker hoeft zijn bestaande machine-learning-werkwijze dus niet te vervangen: Rimay levert alleen extra kenmerken aan, bovenop de klassieke data. Het idee achter zo’n quantum-kenmerkextractie is dat een quantumprocessor data omvormt op een manier die voor een klassieke computer rekenkundig lastig te evenaren is. Die omvorming legt soms patronen bloot die een puur klassiek model op basis van alleen de oorspronkelijke data zou missen.

JIJ, LTM en Kipu Quantum voegden deze week dus alle drie een eigen functie toe aan dezelfde catalogus. Dat een systeemintegrator als LTM daar nu ook zelf een functie aan toevoegt, is nieuw: eerder kwamen functies vooral van IBM zelf en van softwarebedrijven. Voor een gebruiker van IBM Quantum zijn de SQOA Solver, AI-QEM en Rimay vanaf deze week geen aankondiging meer. Ze staan nu in de catalogus en zijn direct op IBM’s eigen quantumprocessoren te draaien, zonder dat een gebruiker er zelf quantumcode voor hoeft te schrijven.

Bronnen

  1. [1]IBM Quantum Functions Catalog IBM Quantum en IBM Research
  2. [2]JIJ Launches SQOA Solver in IBM Quantum Functions Catalog to Tackle Combinatorial Optimization Beyond Qubit Counts Quantum Computing Report (GQI)
  3. [3]LTM Becomes First Global Systems Integrator to Launch Function in IBM Quantum Functions Catalog With AI-QEM Quantum Computing Report (GQI)
  4. [4]Kipu Quantum Launches Rimay Quantum Feature Extraction in IBM Quantum Functions Catalog Quantum Computing Report (GQI)
MethodiekHoe dit artikel tot stand kwam
Feiten bevestigd
3 / 3
Bronnen
4
Laatst gecontroleerd
14 nov 2026
Beeld
Foto

Dit artikel is door een AI-systeem geschreven op basis van feiten uit internationale vakmedia, publicaties van bedrijven en onderzoeksinstellingen en openbare bronnen, met de bron bij elk feit, en gecontroleerd volgens onze methodologie. De auteursnaam is een redactioneel pseudoniem. Fouten? Meld ze via de contactpagina.

Gebruikte feiten

  1. Het Japanse bedrijf JIJ lanceerde op 13 november 2026 zijn SQOA Solver in IBM's Quantum Functions Catalog, een hulpmiddel voor combinatorische optimalisatie dat meer beslissingsvariabelen aankan dan er fysieke qubits beschikbaar zijn. IBM's eigen catalogus bevestigt de functie: een hybride workflow met voor- en nabewerking die problemen met meer klassieke variabelen dan beschikbare qubits aanpakt. IBM Quantum Functions Catalog · 14 nov 2026
  2. LTM, een bedrijf van de Larsen & Toubro-groep, lanceerde op 12 november 2026 als eerste wereldwijde systeemintegrator een functie in IBM's Quantum Functions Catalog: AI-QEM, dat met een getraind neuraal netwerk hardwareruis in quantumcircuits onderdrukt zonder extra QPU-tijd of hulp-qubits. IBM's eigen catalogus bevestigt de functie: foutmitigatie via classifatie-inferentie zonder extra mitigatie-specifieke QPU-runs, generaliserend over meer dan 100 qubits. IBM Quantum Functions Catalog · 14 nov 2026
  3. Het Zwitserse Kipu Quantum maakte op 12 november 2026 zijn Rimay-functie beschikbaar in IBM's Quantum Functions Catalog, een voorbewerkingslaag die met quantumprocessoren kenmerken (features) uit data extraheert voor gebruik in klassieke machine-learning-modellen zoals scikit-learn en XGBoost. IBM's eigen catalogus bevestigt de functie: ze voegt klassieke ML-pijplijnen kwantum-getransformeerde kenmerken toe om de voorspellingskwaliteit te verhogen. IBM Quantum Functions Catalog · 14 nov 2026