一般社団法人日本量子コンピューティング協会

第3回では、量子機械学習の応用としてQCNN（量子畳み込みニューラルネットワーク）を取り上げます。古典的なCNNの構造を踏まえつつ、量子版の畳み込み・プーリング・測定の仕組みを解説します。ZFeatureMapによるデータの量子エンコーディングから、量子畳み込み・量子プーリングの動作、さらには学習・評価までをColab環境で実装し、量子モデルが持つ正則化的効果（過学習抑制）の可能性にも触れます。量子×AIの融合領域を、理論と実装の両面から深く理解できる内容です。 スライド https://docs.google.com/presentation/d/1eOuTv35H5UmeTofxKRLpu92Vxn4gX2Mv9CZX8QIQ7ec/edit?usp=sharing 演習 https://colab.research.google.com/drive/19qkXQWb7bLX3uDrFyirI0EoWi4gRJ6SW?usp=sharing

第3回　配送・経路最適化の実例ハンズオン 第3回では、容量制約付き車両経路問題（CVRP：Capacitated Vehicle Routing Problem）を題材に、Pythonと最適化SDKを用いて実際にモデルを組み、量子アニーリング／量子インスパイアドなサンプラーで解いてみるハンズオンを行います。 ビジネス上よく聞かれる「毎日Excelでルートを手作業調整している」「燃料費や配送距離の削減余地が見えない」「拠点・店舗追加時の影響をシミュレーションしたい」といった課題を、CVRPという数理モデルに落とし込み、実データに適用できるレベルまで解説します。 【主な内容】 ・CVRPとは何か：共通の拠点から出発・帰着する複数車両、顧客はちょうど1回訪問、車両容量制約を守りつつ総走行距離（コスト）を最小化する問題設定 ・物流現場での代表的な課題と、CVRP最適化がもたらすビジネスインパクト（走行距離・燃料費削減、積載率向上、ドライバー負荷の平準化、CO2削減など） ・顧客・車両・容量・需要・距離行列などのパラメータ整理と、訪問順序×顧客×車両を表す0／1変数の設計 ・「各ステップで1顧客だけ」「各顧客は1回だけ」「容量制約」などの制約を、二乗ペナルティ付きコスト関数としてQUBOに落とし込む方法 ・Python + hobotanを使った実装ステップ：問題設定、変数定義、制約・距離コストの構築、コンパイル、サンプラー実行、結果の解釈までの一連の流れ ・サンプラーから得られた解を配列として可視化し、人間が読めるルート表現へ変換するコード例、および総距離・容量のチェック方法 ・複数解の比較、ハイパーパラメータ（制約の重み）の調整、スケールアップ時に考慮すべきポイントといった、現場適用に向けた実務的な視点 【この動画で得られること】 ・CVRPの数式モデルとQUBO化の具体的なイメージ ・Pythonコードをベースに、自社データへ置き換えて試せるレベルの実装ノウハウ ・量子アニーリング／量子インスパイアドソルバを「現場の配送計画にどうつなげるか」という実務感覚

第３回では、炎症関連タンパク質の仮想ターゲット IL-X を題材に、タンパク質ポケットに結合する 8〜12 残基ペプチドの de novo 設計問題を、実際に QUBO へ落とし込み、量子最適化で解く一連の流れをハンズオン形式で体験します。タンパク質のポケットをグリッドとしてモデル化し、ペプチドの構造・配列・ポケットとの相互作用を同時に最適化するアイデアを、学習用に簡略化した 2D グリッドモデルで実装します。Google Colab 上で TYTAN や numpy を用いながら、QUBO 変数の設計、制約条件の組み立て、ハミルトニアンの構築、アニーリング実行、結果の可視化までを一通り体験し、論文レベルのモデルのエッセンスを実感できる構成になっています。 この回で学べること（例） ・タンパク質ポケットとペプチド配列を QUBO で表現する具体的な方法 ・one-hot 制約や経路制約などを用いた「構造 × 配列 × 相互作用」の同時最適化 ・Google Colab＋TYTAN を使った量子インスパイアド最適化の実装手順 ・創薬の仮想事例を通じた、量子最適化ワークフローの実践的な理解

第２回では、第1回で学んだ創薬プロセスをベースに、「各工程で量子技術が具体的にどのように活用され得るか」を整理して解説します。標的探索では、タンパク質構造予測や変異解析への量子化学・QUBO・QML の応用、ヒット探索ではドッキングや結合様式探索を量子アニーリングで高速化するアプローチ、リード化合物設計・リード最適化では、巨大な化合物空間を扱う多目的最適化や ADMET 予測への応用例を紹介します。さらに、疑似アニーリングによる実務寄りの事例や、生成 AI と量子計算を組み合わせたハイブリッドな分子設計の可能性についても触れ、現時点での実用レベルと今後の展望を俯瞰します。 この回で学べること（例） ・標的探索・ヒット探索・リード設計・リード最適化それぞれにおける量子技術の役割 ・ドッキングやペプチド設計などを QUBO として定式化し、量子アニーリングで解くイメージ ・量子機械学習（QML）による ADMET 予測・IC50 予測などの最新動向 ・「どのフェーズから量子を導入するのが現実的か」という実務的な視点

第１回では、創薬とは何か、その社会的意義とプロセスの全体像を整理しながら、「なぜ創薬に量子コンピュータが必要とされているのか」をわかりやすく解説します。de novo 創薬／ドラッグ・リポジショニング／類縁体設計といったアプローチの違い、創薬の各フェーズ（標的探索〜リード最適化〜前臨床・臨床）で何が行われているのかを俯瞰し、コスト・期間・情報の複雑性といったボトルネックを数理最適化・生成問題の観点から整理します。あわせて、量子コンピュータの基本原理（量子ビット、重ね合わせ、エンタングルメント）や、ゲート型・量子アニーリング型・疑似アニーリング型の違いを紹介し、創薬分野との親和性を直感的に掴んでいただきます。 この回で学べること（例） ・創薬プロセスの全体像と、de novo／リポジショニングなどの基本戦略 ・創薬における「選ぶ問題（最適化）」と「作る問題（生成）」という二つの視点 ・既存 AI 創薬の限界と、量子技術が補完しうるポイント ・量子コンピュータの種類と、創薬における量子アニーリングの位置づけ

最終回となる第3回では、ポートフォリオ最適化を題材に、量子アニーリングを実装しながら学ぶハンズオン形式で進めます。 DOW30銘柄の株価データを用いて、現代ポートフォリオ理論（MPT）に基づく期待リターンと共分散を作成し、それを0/1の銘柄選択問題としてQUBOに定式化するところからスタートします。TYTANライブラリを用いてQUBOをコンパイルし、シミュレーテッド・アニーリングによる最適ポートフォリオ探索を実際に実行します。 得られたポートフォリオのパフォーマンスを、過去データ（訓練期間）だけでなく、別期間の「未来データ」に対しても評価し、重み付けや制約設計、市場レジームの変化といった観点から結果を読み解きます。入門的なQUBOモデルの限界と、より実務的な量子ポートフォリオへ拡張するためのポイントまでを含めて解説する、実践寄りの回です。

第2回では、金融計算を「価格計算・リスク管理・予測・推定・不正検知・運用・最適化」という5つの技術領域に分解し、それぞれに適した量子アルゴリズムを体系的に整理します。 オプションなどの価格計算には振幅推定（QAE）や量子フーリエ変換（QFT）、VaR／CVaRといったリスク管理には確率分布を量子状態として扱う手法、ボラティリティ推定やリターン予測には量子特徴量マップや変分量子回帰（VQR）、不正検知にはVQC・QSVMといった量子機械学習モデルがどのように対応するかを解説します。 さらに、投資配分や銘柄選択、ESG制約などをQUBO（二値最適化）として表現し、量子アニーリングで解く「運用・最適化」領域までを一気通貫でカバーします。古典計算と量子計算をどう役割分担させればよいか、実務を意識した視点で整理する回です。

第１回では、金融業務で日常的に行われている「価格計算・リスク管理・予測・運用意思決定」といった膨大な計算が、なぜ限界に近づきつつあるのかを整理しながら、量子コンピュータがそこにどう貢献できるのかを俯瞰します。 金融1回スライド 古典コンピュータと量子コンピュータの違い（ビットと量子ビット、重ね合わせ・もつれの概念）、ゲート型・量子アニーリング・擬似アニーリングといった方式の特徴を、プライシング、VaR／CVaR、量子機械学習、ポートフォリオ最適化などの具体的な金融タスクと対応づけて解説します。 さらに、国内外の銀行・金融機関による量子計算の実証事例を紹介し、「金融のどの課題をどの量子技術で解くのか」という全体マップをつかむことをゴールとします。講座全体の位置づけや、以降の回で学ぶ内容の見取り図を得たい方に適した回です。

第3回 （ジョブシーケンス最適化ハンズオン） 第3回は、Google Colab と量子最適化ライブラリ TYTAN を用いたハンズオンです。ジョブ数・機械数・処理時間・CO₂排出率・優先度などのデータを準備し、ジョブシーケンス問題をQUBOとして定式化してから、実際にソルバーで最適化を実行します。得られた結果を可視化し、メイクスパン短縮、負荷平準化、CO₂排出量削減などの指標をどのように読み解き、現場の改善ストーリーにつなげるかも解説。理論だけではつかみにくい「量子で製造を最適化する」感覚を、手を動かしながら体得できる実践編です。

第2回（ジョブシーケンス問題と人員最適化） 第2回では、第1回で学んだ量子最適化の考え方を、ジョブシーケンス問題（JSP）と人員シフト最適化という2つの代表的テーマに落とし込みます。工程順序・機械割当・段取り・人員スキル・勤務上限など、現場の制約条件をどのように数理モデル（QUBO）として表現し、メイクスパン短縮、エネルギーコスト削減、公平なシフト作成といった指標を改善していくのかを解説。営業と製造、効率と働き方改革といった現場のジレンマを「見える化」し、全体最適へ近づけるための設計思考を身につける回です。

第1回（製造最適化×量子コンピュータの全体像） 製造現場で日々発生する、生産計画・工程順序・設備割当・人員配置などの「最適化問題」を整理し、その解決に量子コンピュータ（量子アニーリング／擬似アニーリング）がどのように役立つのかを学ぶ回です。人・仕事・工程の三軸から製造最適化の構造を捉え直し、古典コンピュータとの違い、量子ビット・重ね合わせ・もつれといった基本原理、ゲート型／アニーリング型など量子コンピュータの種類、NEC・デンソー・BMW など世界の最新事例までを俯瞰します。製造DXの文脈で量子最適化の「全体像」をつかみ、自社のどの業務に活かせそうかを考えるための入門編です。

第2回　配送・経路最適化とシフト最適化 第2回では、現場の制約が複雑に絡み合う「配送計画（ルート最適化）」と「人員配置（シフト最適化）」をテーマに、どのように量子最適化で扱える“設計図”に落とし込むかを解説します。 車両台数・積載量・時間指定・休憩・勤務時間・希望休・スキルなど、多数の条件を同時に考慮しなければならない現場のリアルな制約を整理し、「配送 × 人員」を一体で最適化する視点を身につけることがゴールです。 【主な内容】 ・配送最適化とは何か：車両数・積載量・距離・時間指定・休憩・戻り条件などの制約整理と、その効果（走行距離・積載率・拘束時間・CO2削減など） ・車両側の制約（台数上限・容量・最大走行距離・拠点への往復・再給油／充電など）と、顧客側の制約（納品時間帯、荷物量、優先度、不在・渋滞など）の構造化 ・シフト最適化の基本：時間帯ごとの必要人数、スキルや資格、勤務時間・休憩・法的制約、公平性・希望休といった人員側の条件整理 ・「配送 × 人員の同時最適化」という視点：ルートとシフトが分断されたときに起こる典型的な失敗例と、両者をまとめて最適化する意義 ・多数の制約・組合せ爆発に対して、量子アニーリングが持つ強み（多制約を同時に扱える、公平性と効率の両立など） ・実務導入に向けたデータ準備：拠点・顧客位置、距離行列、荷物情報、車両特性、勤務情報、希望休、スキルなど、必要なデータ項目と整え方 ・PoC〜パイロット〜本格導入に向けた導入ステップと、次回「第3回」へのつなぎ（数式モデルとPython実装へ） 【この動画で得られること】 ・自社の配送とシフトの制約を「量子で扱える形」に分解する方法 ・部分最適ではなく、「誰が・どこへ・いつ動くか」を統合的に設計する発想 ・第3回のハンズオンで使うデータ・制約設計のイメージ

第1回　物流最適化と量子の世界 本動画は、一般社団法人日本量子コンピューティング協会「量子プロ講座 量子コンピュータで学ぶ物流講座（全3回）」の第1回です。物流の現場で起きている人手不足・コスト増・脱炭素・需要変動といった課題を、まずは「最適化問題」として整理し、そのうえで量子コンピュータ（特に量子アニーリング）の基本的な仕組みと位置づけを学びます。 「なぜ物流はこんなに複雑で、従来手法では限界が見えつつあるのか？」という問いから出発し、物流を構成する“人・モノ・時間・経路”を分解して考えることで、量子最適化が活きる背景を掴んでいただく回です。 主な内容 ・日本の物流が直面する課題（人手不足、コスト増、脱炭素、需要変動など）の整理 ・配送ルート、積載計画、シフト、倉庫動線、在庫配置など「物流＝最適化問題の集合体」という捉え方 ・古典コンピュータと量子コンピュータの違い（ビット／量子ビット、逐次処理／並列探索）と、重ね合わせ・もつれなどの量子の基本原理 ・ゲート型・量子アニーリング型・擬似アニーリング型の3方式と、それぞれの得意分野 ・QUBOという共通フォーマットを使って、シフト・配送・積載・在庫など様々な物流課題を一つの枠組みで扱う考え方 ・企業が量子最適化を導入するロードマップ（課題特定〜PoC〜パイロット〜本格導入）と、世界の物流での実装事例の紹介 この動画で得られること ・自社の物流業務を「最適化問題」として見直す視点 ・量子コンピュータ／量子アニーリングの基礎と、物流との相性が良い理由の理解 ・第2回・第3回で扱う配送・シフト最適化、ハンズオン実装へとつながる全体像

第2回では、量子暗号通信の要であるQKD（量子鍵配送）を取り上げ、古典的な暗号方式（RSAやDiffie–Hellmanなど）と比較しながら、その安全性の根拠である不確定性原理と不可クローン定理を解説します。BB84プロトコルを中心に、盗聴検知の仕組みから鍵確定までの流れを図解とともに理解し、量子通信がもたらす新しいセキュリティの概念を掴みます。演習では、Qiskitまたは日本発の量子プラットフォームQPlatを用いて、鍵配送の挙動を模擬実験します。 スライド https://docs.google.com/presentation/d/16diw7bbqsZstZy1t_qPvtwuUGGzP4KGxie7QlH8wcnk/edit?usp=sharing 演習 https://colab.research.google.com/drive/1oABH1c0QSvlCFHkn6ugTZ1DWqGBaiJzw?usp=sharing https://colab.research.google.com/drive/1NwQu-O7lLCj_C3OG69V5YdYN9YVCKM81?usp=sharing

第1回では、量子計算の基礎数学とグローバーのアルゴリズムを中心に、量子ビットの表現やブラ・ケット記法、Bloch球による可視化、測定基底などを実際の演算を通して復習します。後半では、探索を高速化するグローバー法について、オラクルと拡散行列を用いた直感的な説明とPython／Qiskitによる実装演習を通して理解を深めます。これにより、量子計算の理論と回路設計のつながりを体感的に学ぶことができます。 スライド https://docs.google.com/presentation/d/17JZNe5leUHAxKTiSY-45JAafFCe9gW0oNTbnbwHUEr8/edit?usp=sharing 演習 https://colab.research.google.com/drive/1Ey1_fE3iAUqbXNS_K9D9Ml5ID8G_IMsz?usp=sharing https://colab.research.google.com/drive/1WIB0MruzmqNb8LuTIblNUr2kPYtFmv__?usp=sharing

本動画は量子エンジニア講座（アニーリング式）アドバンスコースの第３回目になります。 ◼️概要 組み合わせ最適化問題の中には、既存のコンピュータでは効率的な探索アルゴリズムが見出されていない問題も多いです。 このような問題に対し、量子アニーリングマシンは量子の性質を利用して効率的に探索できることが期待されています。本コースでは種々の組合せ最適化問題をQUBO（Quadratic unconstrained binary optimization）形式に変換し、疑似的な量子アニーリングによって求解する演習を行います。 ◼️コース内容 アドバンスコース（全3回） エントリーコースを修了した方や、基礎知識を持つ方を対象に、より高度な組み合わせ最適化問題の解決に挑戦します。 目的: 実践的な問題解決能力の強化と応用技術の習得 対象者: 基礎知識を持ち、さらに深く学びたい方 内容: 複雑な組み合わせ最適化問題の実装と応用演習 ▼discordチャンネル「TYTAN」（どなたでも参加OK） https://discord.gg/qT5etstPW8 ▼教材トップ https://github.com/tytansdk/tytan_tutorial

本動画は量子エンジニア講座（アニーリング式）アドバンスコースの第２回目になります。 ◼️概要 組み合わせ最適化問題の中には、既存のコンピュータでは効率的な探索アルゴリズムが見出されていない問題も多いです。 このような問題に対し、量子アニーリングマシンは量子の性質を利用して効率的に探索できることが期待されています。本コースでは種々の組合せ最適化問題をQUBO（Quadratic unconstrained binary optimization）形式に変換し、疑似的な量子アニーリングによって求解する演習を行います。 ◼️コース内容 アドバンスコース（全3回） エントリーコースを修了した方や、基礎知識を持つ方を対象に、より高度な組み合わせ最適化問題の解決に挑戦します。 目的: 実践的な問題解決能力の強化と応用技術の習得 対象者: 基礎知識を持ち、さらに深く学びたい方 内容: 複雑な組み合わせ最適化問題の実装と応用演習 ▼discordチャンネル「TYTAN」（どなたでも参加OK） https://discord.gg/qT5etstPW8 ▼教材トップ https://github.com/tytansdk/tytan_tutorial

本動画は量子エンジニア講座（アニーリング式）アドバンスコースの第１回目になります。 ◼️概要 組み合わせ最適化問題の中には、既存のコンピュータでは効率的な探索アルゴリズムが見出されていない問題も多いです。 このような問題に対し、量子アニーリングマシンは量子の性質を利用して効率的に探索できることが期待されています。本コースでは種々の組合せ最適化問題をQUBO（Quadratic unconstrained binary optimization）形式に変換し、疑似的な量子アニーリングによって求解する演習を行います。 ◼️コース内容 アドバンスコース（全3回） エントリーコースを修了した方や、基礎知識を持つ方を対象に、より高度な組み合わせ最適化問題の解決に挑戦します。 目的: 実践的な問題解決能力の強化と応用技術の習得 対象者: 基礎知識を持ち、さらに深く学びたい方 内容: 複雑な組み合わせ最適化問題の実装と応用演習 ▼discordチャンネル「TYTAN」（どなたでも参加OK） https://discord.gg/qT5etstPW8 ▼教材トップ https://github.com/tytansdk/tytan_tutorial

本動画は量子エンジニア講座（アニーリング式）エントリーコースの第３回目になります。 ◼️概要 組み合わせ最適化問題の中には、既存のコンピュータでは効率的な探索アルゴリズムが見出されていない問題も多いです。 このような問題に対し、量子アニーリングマシンは量子の性質を利用して効率的に探索できることが期待されています。本コースでは種々の組合せ最適化問題をQUBO（Quadratic unconstrained binary optimization）形式に変換し、疑似的な量子アニーリングによって求解する演習を行います。 ◼️コース内容 エントリーコース（全3回） 初心者向けに、量子計算技術概要と制約条件など基本的な技術を学び、簡単な組合せ最適化問題の演習を行います。 目的: 量子アニーリングの基礎知識と基本的な問題解決能力の習得 対象者: 量子計算に興味を持ち、基礎から学びたい方 内容: 簡単な組み合わせ最適化問題を解くための実践的な演習 ▼discordチャンネル「TYTAN」（どなたでも参加OK） https://discord.gg/qT5etstPW8 ▼教材トップ https://github.com/tytansdk/tytan_tutorial

本動画は量子エンジニア講座（アニーリング式）エントリーコースの第２回目になります。 ◼️概要 組み合わせ最適化問題の中には、既存のコンピュータでは効率的な探索アルゴリズムが見出されていない問題も多いです。 このような問題に対し、量子アニーリングマシンは量子の性質を利用して効率的に探索できることが期待されています。本コースでは種々の組合せ最適化問題をQUBO（Quadratic unconstrained binary optimization）形式に変換し、疑似的な量子アニーリングによって求解する演習を行います。 ◼️コース内容 エントリーコース（全3回） 初心者向けに、量子計算技術概要と制約条件など基本的な技術を学び、簡単な組合せ最適化問題の演習を行います。 目的: 量子アニーリングの基礎知識と基本的な問題解決能力の習得 対象者: 量子計算に興味を持ち、基礎から学びたい方 内容: 簡単な組み合わせ最適化問題を解くための実践的な演習 ▼discordチャンネル「TYTAN」（どなたでも参加OK） https://discord.gg/qT5etstPW8 ▼教材トップ https://github.com/tytansdk/tytan_tutorial