TECHNOLOGY IT NEWS

「見つける」から「決める」へ。QuantumCore、異常検知・劣化診断の“その先”を担う組合 せ最適化ソフト「QUBO Studio」提供開始

公開:
CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座
この記事はプレスリリースです

本記事は、PR TIMESに掲載された企業・団体等のプレスリリースを原文のまま転載しています。記事内容は発表時点の情報です。

発表元
株式会社QuantumCore
配信日時
2026年10月14日 08時00分
転載日
2026年10月15日

発表内容については発表元へ、当サイト上の訂正・削除については、当サイトのお問い合わせフォームにご連絡ください。

転載
プレスリリース本文

〜 点検・補修、配送、人員配置の計画候補を、判断の根拠とともに提示。量子アニーリングを含む4系統のソルバーに対応し、SaaSとオンプレミスでの提供を想定 〜

QUBO Studioの結果分析画面(下水道管路の点検・補修計画の例)。KPI、期別の計画マップ、シナリオ別の指標比較、最適解が選ばれた理由の解説を一画面で確認できる(画面内の数値はデモデータによる計算例です)
QUBO Studioの結果分析画面(下水道管路の点検・補修計画の例)。KPI、期別の計画マップ、シナリオ別の指標比較、最適解が選ばれた理由の解説を一画面で確認できる(画面内の数値はデモデータによる計算例です)

リザバーコンピューティングによるエッジAIを手がける株式会社QuantumCore(本社:東京都品川区、代表取締役CEO:秋吉 信吾、以下「当社」)は、組合せ最適化ソフトウェア「QUBO Studio」の提供を開始します。異常や劣化を「見つける」AIの“その先”、つまり「どこから、いつ、どう手を打つか」を決める計画づくりを支えるソフトウェアです。

QUBO Studioは、点検・補修、配送、シフトなど「どこを・誰が・いつ・どの順で」を決める計画を、業務の言葉と表データから最適化し、判断の根拠とともに示します。たとえばインフラ点検・補修では、最大120区間を対象に、予算や作業能力の上限、夜間施工枠、高リスク区間の対応期限を守りながら、どの区間をいつ処置するかの候補をシナリオ別に比較できます。当社エッジAIの検知・診断結果も計画の条件として取り込めるため(データ連携の方式は個別に構成)、「見つける」から「決める」までをひとつの流れで扱えます。

提供形態は、SaaSと、構内に設置するオンプレミス型のAI Boxを想定しており、業務やデータの扱いに合わせてご相談に応じます。

本リリースのポイント

・異常検知・劣化診断の“その先”へ。劣化度・予算・人員・期限などを条件に、点検・補修、配送、人員配置の計画候補をシナリオ別に示します

・答えだけでなく、判断の根拠まで。KPI、シナリオ比較、パレート図、感度分析で「なぜその計画か」を示し、レポートで共有できます。13の業務テンプレートと、自然言語・CSV・Excelの入力から始められます

・量子コンピュータがなくても使え、量子実機にもつなげられる。古典ソルバー、量子アニーリング(SQAシミュレータ/D-Wave実機へのAPI接続)、ハイブリッド、並列アニーリングの4系統から選べ、規模に応じた自動選択にも対応します

・現場の機器でのローカル最適化にも。設計した最適化モデルを、マイコンへの組み込みを想定したエッジ向け最適化コア「BOLT-QZ」(関連技術を特許出願中)に組み込む構成にも対応します(機器への組み込みは個別に構成)

・SaaSでも、構内でも。提供形態はSaaSとオンプレミス型のAI Boxを想定。生成AIのAPIや量子実機などの外部接続を使わない構成なら、データを社外に出さずに運用できます

1. 背景 ― 「見つける」の先にある、「決める」という難題

異常や劣化を見つける技術は、身近なものになりました。一方で、見つけた後に「どこから、誰が、いつ、どう手を打つか」を決める仕事は、今も担当者の経験と表計算に頼っています。

当社はこれまで、約10秒の正常データからマイコン上で学習する異常検知や、押し当てるだけのコンクリート劣化診断など、現場で「見つける」AIを届けてきました。しかし現場の価値を決めるのは、通知を受けた後の判断です。

その判断は、組合せ爆発との闘いです。訪問先がわずか20か所でも、回る順番は約243京通りにのぼります※1。予算・人員・期限・車両容量といった条件が絡むほど、「最善」を見つけ、その理由を説明することは難しくなります。

インフラの老朽化は、この課題をさらに重くします。国土交通省によると、2040年には道路橋の約75%、下水道管渠の約34%が建設後50年以上になる見込みです※2。要対応の箇所が増える一方で、予算と担い手は限られます。「見つける」技術の先に、「決める」技術が欠かせません。

2. QUBO Studioとは ― 現場の複雑を、次の一手に

QUBO Studioは、業務の課題を検証できる最適化モデル(QUBO※3)に変え、実行できる計画候補を比べて選べるようにするソフトウェアです。流れは4つのステップです。

STEP 1|言葉で伝える

解きたい課題を自然言語で入力し、CSV・Excel・JSONの業務表を取り込みます。テンプレートとウィザードが、目的と制約の整理を支えます。

新規作成画面。解きたい課題を言葉で入力すると、近いテンプレートと、想定される変数・制約の規模、推奨ソルバーが表示される
新規作成画面。解きたい課題を言葉で入力すると、近いテンプレートと、想定される変数・制約の規模、推奨ソルバーが表示される

STEP 2|条件を設計する

変数・目的関数・制約条件を画面で確認し、重みやペナルティを調整します。数式とQUBO行列のヒートマップで、業務の条件がモデルにどう反映されたかを確かめられます。

QUBO設計画面。変数・制約条件・目的関数の構成、数式、Q行列のヒートマップ、変数と制約の関係図を見ながら、ペナルティの重みを調整できる
QUBO設計画面。変数・制約条件・目的関数の構成、数式、Q行列のヒートマップ、変数と制約の関係図を見ながら、ペナルティの重みを調整できる

STEP 3|解を探索する

4系統のソルバーから選ぶか、規模に応じて自動で選択します。計算時間や探索回数を設定し、実行中の進捗も確認できます。

STEP 4|比べて決める

KPIと地図・ガントチャート・配置図で結果を把握し、予算重視・安全重視・バランス重視などのシナリオを比較します。パレート図と感度分析で選択の根拠を残し、PDF・HTML・Markdown・JSONで共有できます。

シナリオ比較画面。予算重視・バランス型・安全重視のシナリオを現状の計画と並べ、リスク低減率・総事業費・予算執行率などの指標で比較できる
シナリオ比較画面。予算重視・バランス型・安全重視のシナリオを現状の計画と並べ、リスク低減率・総事業費・予算執行率などの指標で比較できる

一度つくった「入力→解析→QUBO変換→実行→可視化→レポート」の流れは、ノーコードのワークフローとして保存し、次の業務に再利用できます。オーナー・管理者・メンバー・閲覧者の権限設定により、チームでの検討にも対応します。

ワークフロー設計画面。入力取得からLLM解析、QUBO変換、ソルバー実行、結果の可視化、レポート出力までをノーコードでつなぎ、繰り返し使える手順として保存できる
ワークフロー設計画面。入力取得からLLM解析、QUBO変換、ソルバー実行、結果の可視化、レポート出力までをノーコードでつなぎ、繰り返し使える手順として保存できる

3. 「見つける」から「決める」、そして現場へ ― エッジAIとつながる最適化

当社ならではの特長は、QUBO Studioを当社のエッジAIと組み合わせられる点にあります。現場で「見つけ」「わかり」、QUBO Studioで「決め」、現場の変化に合わせて「描き直す」。この循環をひとつの技術基盤で回せるのは、エッジAIから出発した当社だからこそです。

検知から最適化までの循環(構成イメージ)
検知から最適化までの循環(構成イメージ)

現場からQUBO Studioへ渡すのは検知・診断の結果、QUBO Studioから現場へ返すのは計画と最適化モデルです。

① 見つける ― エッジAIデバイスが、異常をその場で捉える

設備に取り付ける異常検知デバイスは、約10秒の正常データからデバイス上で学習し、クラウドに頼らずに異常の兆候を検知します。コンクリート劣化診断デバイスは、表面に押し当てるだけで非破壊の劣化判定を行います。東京都下水道局でのAI打音検査によるコンクリート劣化診断では、アクティブセンシングで高い精度※4を達成しています。

異常検知用のエッジAIデバイス。設備に後付けし、デバイス上で学習から推論までを行う
異常検知用のエッジAIデバイス。設備に後付けし、デバイス上で学習から推論までを行う
コンクリート劣化診断デバイスのセンサー部。表面に押し当てて、非破壊で劣化を判定する
コンクリート劣化診断デバイスのセンサー部。表面に押し当てて、非破壊で劣化を判定する

② わかる ― 状態を推定し、計画の“条件”に変える

検知結果や劣化の度合い、設備の状態は、そのまま計画づくりの条件になります。生データはデバイス側で処理し、計画づくりに必要な検知・診断の結果だけをQUBO Studioに渡す構成にできます。オンプレミス環境で外部接続(生成AIのAPIや量子実機)を使わなければ、データを社外に出さずに計画を最適化することもできます。

③ 決める ― QUBO Studioが、条件を守る計画候補を導く

集まった検知・診断の結果と、予算・人員・期限・車両容量などの制約から、「どこを・誰が・いつ・どの順で」の計画候補を導きます。予算重視・安全重視・バランス重視などのシナリオで候補を比べられるため、現場の判断にも、その説明にも使えます。

オンプレミス型のAI Box(イメージ)。QUBO Studioを構内で動かし、外部接続を使わずに計画を最適化する構成を想定
オンプレミス型のAI Box(イメージ)。QUBO Studioを構内で動かし、外部接続を使わずに計画を最適化する構成を想定

④ 描き直す ― 現場の変化に、エッジで応える

設計したQUBOは、エッジ向け最適化コア「BOLT-QZ」(関連技術を特許出願中)に組み込み、現場の機器(マイコンなど)で候補解を探索する構成にできます※5。BOLT-QZは、当社のリザバー計算技術の仕組みを組合せ最適化に応用したコアです。乗算を使わない整数演算で動き、マイコンへの組み込みを想定しています。観測値からQUBOの係数を更新するオンライン学習機能も備えています。

全体の“設計図”はQUBO Studioで描き、現場の変化に合わせてエッジで描き直す。検知・状態推定・最適化をひとつの循環にすることで、計画を一度つくって終わる資料から、現場とともに更新され続ける仕組みへと変えていきます。

4. 主な活用シーン

QUBO Studioは13の業務テンプレートと1つのベンチマークを備え、うち5業務は入力から結果確認までの操作デモ動画を製品ページで公開しています。なかでも、現場で測った劣化度を計画に反映するインフラ点検・補修は、エッジAIとの連携がとくに生きる業務です。

業務 決めること 確かめられる結果
インフラ点検・補修計画 限られた予算を、どの区間に・いつ使うか 期別の実施案、事業費・予算執行率・モデル上のリスク低減
配送ルート最適化 配送先を、どの車両でどう回るか 車両別ルートの地図、距離・使用台数・モデル上のコスト
シフト作成・人員配置 必要人数と希望休を、どう両立するか シフト案、人数・希望の充足率、勤務数の偏り、モデル上の人件費
ごみ収集計画 集積所を、どの収集車でどう回るか 収集車別のルート、積載重量、モデル上の収集コスト
基板配置・配線候補の探索 部品の置き方で、配線はどう変わるか 配置と層別の配線候補、経路長・ビア数・未配線接続
ファン・モータの運転条件比較 冷却余裕と電力を、どうバランスさせるか 回転数の候補、モデル上の消費電力・冷却余裕・騒音

このほか、生産計画、在庫配置、スケジューリング、エネルギー配分、電力需給アグリゲーション、ポートフォリオ最適化、価格最適化、Max-Cutベンチマーク(Sparse800型)のテンプレートを用意しています。

配送ルート最適化の結果画面。車両ごとのルートを地図で確認し、走行距離や使用車両数、モデル上のコストを比較できる
配送ルート最適化の結果画面。車両ごとのルートを地図で確認し、走行距離や使用車両数、モデル上のコストを比較できる
シフト作成の結果画面。従業員ごとのシフト表と、必要人数充足率・希望充足率などの指標を確認できる
シフト作成の結果画面。従業員ごとのシフト表と、必要人数充足率・希望充足率などの指標を確認できる
基板配置・配線候補の探索画面。部品の配置と層ごとの配線候補、ビア、未配線を確認できる(製造用の設計検査は別工程)
基板配置・配線候補の探索画面。部品の配置と層ごとの配線候補、ビア、未配線を確認できる(製造用の設計検査は別工程)

5. 提供形態・主な仕様

提供形態は、SaaSとオンプレミス型のAI Boxを想定しています。対象業務やデータの扱い、エッジ連携の有無に合わせて構成しますので、まずはご相談ください。

製品名 QUBO Studio(組合せ最適化ソフトウェア)
提供形態 SaaS/オンプレミス型のAI Boxを想定(詳細はご相談ください)
構成 ブラウザの画面と、最適化処理を行うバックエンド
テンプレート 13の業務テンプレート+1つのベンチマーク
ソルバー 古典ソルバー(OR-Tools/Gurobi/CPLEX)、量子アニーリング(SQAシミュレータ/D-Wave実機へのAPI接続)、ハイブリッド(アニーリング+厳密探索)、並列アニーリング(CPU並列テンパリング)※6。規模に応じた自動選択に対応
データ入力 CSV・Excel(XLSX)・JSON
出力 PDF・HTML・Markdown・JSON(Q行列はCSV・JSONでも出力可能)
生成AI連携 OpenAIまたはAnthropicのAPI設定時に、自然言語での要件整理と結果の解説を支援(未接続時はローカルのルール解析で動作)
チーム機能 オーナー・管理者・メンバー・閲覧者の権限管理、ワークフローと実行履歴の保存
エッジ連携 当社エッジAIデバイス(異常検知/コンクリート劣化診断)の結果の取り込み、BOLT-QZによる現場の機器でのローカル最適化(いずれも個別に構成)
料金 お問い合わせください
製品ページ https://www.qcore.co.jp/products/qubostudio/(5業務の操作デモ動画を公開中)

導入は、ひとつの業務と代表的なデータから始めます。「決めたいこと」を整理し、現在の計画と同じ条件で候補を比較したうえで、運用への組み込みを検討します。データが揃っていない段階でも、「決めたいこと」と「守りたい条件」からご相談いただけます。

6. 代表コメント

株式会社QuantumCore 代表取締役CEO 秋吉 信吾

「当社は創業以来、少ないデータと小さな計算資源で、現場で学び、現場で判断するAIをつくってきました。異常を見つけ、状態を推定する技術は、すでに多くの現場で使える水準にあります。けれども現場の方々が本当に知りたいのは、『異常です』という通知のその先、『では、どこから、どう手を打つか』です。

QUBO Studioは、その“次の一手”を導くためのソフトウェアです。全体の計画は、古典計算から量子アニーリングまで、課題に合った計算資源で描く。現場の変化には、リザバー由来のエッジ最適化で応える。『量子で全体最適を、リザバーで現場最適を』という私たちの構想に向けた、第一歩となる製品です。検知・状態推定・最適化をひとつの流れにつなぎ、限られた人と予算で社会インフラや現場を支える方々の判断を、より速く、より納得できるものにしていきます。」

7. 今後の展開

今後は、エッジAIと最適化を一体で届けるソリューションとして、適用分野を広げていきます。

  • 当社のエッジAIデバイスとQUBO Studioを組み合わせ、検知から計画までを一体で届ける提案を、インフラ維持管理、製造、物流、エネルギーの各分野で進めます
  • BOLT-QZのマイコン・端末への実装検証を進め、現場で完結するローカル最適化の適用範囲を広げます
  • 業務テンプレートを拡充するとともに、量子計算の進化を取り込みながら、全体最適の計算基盤を強化します
  • 導入検証(PoC)、共同検証、販売・技術パートナーのご相談を受け付けています

会社概要

会社名 株式会社QuantumCore(QuantumCore Inc.)
所在地 〒141-0031 東京都品川区西五反田2丁目14-13
設立 2018年4月24日
代表者 代表取締役CEO 秋吉 信吾
事業内容 リザバーコンピューティングを用いた次世代時系列処理プラットフォーム技術の開発、提供、導入支援
URL https://www.qcore.co.jp/

当社は「制約の中で、知能を動かす」を掲げ、マイコン上のエッジAIから、フロンティア級LLMのローカル実装、現場の計画を導く組合せ最適化までを一貫して手がける、日本発のAIプロダクト企業です。PoC導入企業80社超、製品ユーザー数累計2万人超の実績があります。

本件に関するお問い合わせ

株式会社QuantumCore 広報・事業開発担当

お問い合わせ:https://www.qcore.co.jp/contact/

QUBO Studioの導入・デモのご相談:https://www.qcore.co.jp/products/qubostudio/#contact

注記

※1 20か所の訪問順序の並べ方(20の階乗、約2.4×10¹⁸通り)。

※2 国土交通省「社会資本の老朽化の現状と将来」。建設後50年以上経過する施設の割合(2040年3月時点の見込み。建設年度不明の施設を除いて算出)。

※3 QUBO(Quadratic Unconstrained Binary Optimization、二次制約なし二値最適化):組合せの選択を0と1の変数で表す最適化モデル。量子アニーリングが直接扱える問題形式でもあります。

※4 東京都下水道局と実施したAI打音検査によるコンクリート劣化診断の取り組みにおける当社評価です。

※5 エッジでの利用には、Q行列の係数・格納形式の変換、機器への組み込み、結果の受け渡しを別途構成します。対応規模・精度・必要メモリはモデルと機器ごとに検証します。QUBO Studio内の「BOLT-QZ互換・評価版」はホスト側での方式評価機能です。「特許出願中」はBOLT-QZの関連技術に関する表記です。

※6 量子アニーリング実機は、D-WaveのSDKとAPI接続を設定した場合に利用でき、未接続時はSQAシミュレータで動作します。Gurobi・CPLEXは別途導入とライセンスが必要です。

・画面内の数値はデモデータによる計算例であり、導入効果を保証するものではありません。各テンプレートのモデルには前提条件があり、実業務への適用には実際の条件との照合が必要です。

・記載の内容は2026年10月時点のものです。D-Wave、Gurobi、CPLEX、OR-Tools、OpenAI、Anthropicは各社の商標または登録商標です。本リリースは、これら各社による承認・提携を示すものではありません。

プレスリリース転載ここまで
ブログに戻る

コメントを残す

コメントは公開前に承認される必要があることにご注意ください。

企業・法人向けのIT・プログラミング・生成AI研修を探す、比較する - IT・プログラミングを知って学べるコネクトメディア CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座 - IT・プログラミングを知って学べるコネクトメディア コードキャンプが提供する無料で学べるプログラミングスクール講座 - IT・プログラミングを知って学べるコネクトメディア コードキャンプDX人材育成研修 - IT・プログラミングを知って学べるコネクトメディア 3.5日の研修で、年間1,600時間の削減効果が見込まれる。東京きらぼしフィナンシャルグループのDX人材育成事例 - IT・プログラミングを知って学べるコネクトメディア 配属3ヶ月で30%の生産性向上を実現するいよぎんコンピュータサービスの新人研修に迫る - IT・プログラミングを知って学べるコネクトメディア 金融業界の業務効率化を加速するニッセイアセットマネジメントの生成AI×GAS活用研修事例 - IT・プログラミングを知って学べるコネクトメディア 【製造業のDX人材育成事例】デジタル人材の即戦力化を実現する、日本ガイシ株式会社の異動者向オンボーディング研修 - ITやプログラミングを知って学べるコネクトメディア フューチャーアーキテクト株式会社が実現した新入社員向けIT研修プログラムでタスクフォース制度が主体的な学びと成長を生み出す - IT・プログラミングを知って学べるコネクトメディア コードキャンプDX人材育成研修 - IT・プログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/【IT新入社員研修】オンラインとオフラインの最適バランスを実現したFutureOneの導入事例 - IT・プログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/【新入社員研修】柔軟なハイブリッド型Java研修で実現した新卒20名の成長と成果|サークレイス株式会社 - ITやプログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/現場により近いところにデジタルを根付かせるDX基礎講座研修|株式会社ブリヂストン - ITやプログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/業務の効率化・DX推進に向けたIT人材育成への第一歩|株式会社カナエ - ITやプログラミングを知って学べるコネクトメディア 企業・法人向けのIT・プログラミング研修 - ITやプログラミングを知って学べるコネクトメディア

What's New

新着記事

対象者別で探す

子供(小学生・中学生・高校生)向け
プログラミング教室検索する

子供(小学生・中学生・高校生)がロボットやプログラミング言語を学ぶことができるオフラインからオンラインスクールを検索、比較することが可能です。

子供(小学生・中学生・高校生)
プログラミング教室検索する

ITやプログラムなどの
最新情報を検索する

日々、新しいITやプログラミング言語の情報が流れていきますが、特定の情報を時系列でニュースやコラムを確認することができます。

ITやプログラムなどの
最新情報を検索する