FirstQFM annonce un taux de réussite de 56,1 % pour son système de prévision quantique
FirstQFM a annoncé début novembre 2026 que son système de calcul quantique à réservoir affichait un taux de réussite de 56,1 % au niveau des séries face aux modèles classiques de séries temporelles lors de tests zero-shot. Les dernières exécutions sur le matériel Rigetti atteignent 54,74 % de précision directionnelle.

FirstQFM annonce un taux de réussite de 56,1 %
FirstQFM a annoncé début novembre 2026 que son système de calcul quantique à réservoir affichait un taux de réussite de 56,1 % au niveau des séries en précision prédictive zero-shot face aux principaux modèles classiques de séries temporelles, rapporte Yahoo Finance. Le benchmark portait sur 41 tâches de prévision de rendements financiers quotidiens : actions individuelles, indices mondiaux, crypto-actifs et matières premières.
Ce taux de réussite est une majorité, pas une déroute. Le système a battu les références classiques sur 56,1 % des 41 séries tenues à l'écart, un échantillon réduit au regard de l'étendue des marchés financiers. FirstQFM rapporte une erreur quadratique moyenne de 0,000485. Sur son graphique, mis à l'échelle par 10 000, le chiffre de FirstQFM était de 4,85 et les références classiques de 9,20 ou plus. Ces références étaient des modèles de fondation pour séries temporelles de Google, Amazon et Salesforce.
Des réservoirs simulés, puis le matériel Rigetti
Les premiers réservoirs ont été simulés, pas exécutés sur une puce. FirstQFM les a générés à la limite de la simulabilité classique avec les bibliothèques cuQuantum SDK et cuTensorNet de NVIDIA sur le supercalculateur Leonardo, une machine soutenue par EuroHPC. Le taux de réussite de 56,1 % provient de ce benchmark zero-shot.
Les dernières exécutions de référence ont eu lieu sur le matériel supraconducteur multichip de Rigetti. FirstQFM y rapporte une précision directionnelle moyenne de 54,74 % et une réduction maximale de l'erreur quadratique moyenne de 52,95 % sur une série unique, sur de grands indices dont le DAX 30 et le Dow 30.
Comment fonctionne le système
Le calcul quantique à réservoir est un montage hybride de modélisation de séquences. Un circuit quantique de faible profondeur sert de générateur de caractéristiques en grande dimension et évolue sous une dynamique à N corps. Une couche de lecture classique légère transforme les mesures en prévision. FirstQFM affirme que ses modèles de fondation adaptent le réservoir à l'état physique du processeur et à la structure du flux de données, au lieu d'utiliser un réservoir fixe pour chaque tâche. L'entreprise présente l'approche comme une application pour les appareils quantiques à l'échelle intermédiaire bruités, le matériel qui existe avant l'arrivée de la correction d'erreurs.
FirstQFM a ouvert les candidatures à son système en version bêta pour des partenaires pilotes sélectionnés. L'objectif : traiter des séries temporelles d'entreprise à plusieurs variables, avec un échantillonnage irrégulier des données, des variables manquantes et des contraintes opérationnelles changeantes.
Pourquoi Rigetti compte
Rigetti fournit les processeurs auxquels des développeurs extérieurs comme FirstQFM accèdent. L'entreprise ne vend pas de logiciel financier en propre, rapporte Yahoo Finance. Le pilote devient donc un cas de référence pour le matériel de Rigetti dans les services financiers, un vivier important de clients potentiels qui paient déjà pour des outils de prévision.
Le Cepheus-1-108Q de Rigetti, à 108 qubits, affiche une fidélité médiane des portes à deux qubits de 99,1 %. L'entreprise estime qu'il reste une marge d'amélioration avant les charges de travail commerciales sensibles aux erreurs. Le pilote compte parce que la base de revenus de Rigetti reste faible : elle a enregistré 5,1 millions de dollars de revenus au deuxième trimestre 2026 et une perte d'exploitation de 28,1 millions de dollars. Elle détenait 541,3 millions de dollars en trésorerie, équivalents de trésorerie et placements disponibles à la vente au 30 juin, sans dette.
Ce qu'il faut surveiller
Yahoo Finance a nommé le signal à surveiller : savoir si Rigetti annonce de nouveaux contrats commerciaux ou de recherche mentionnant le calcul quantique à réservoir ou des charges de travail financières similaires lors de ses prochaines publications de résultats. Des mentions concrètes de nouveaux utilisateurs payants bâtissant sur les systèmes Cepheus-1 ou Novera montreraient que le travail a dépassé un pilote unique.
Rigetti livre déjà des machines plus petites en environnement de recherche. Elle fournira un système Novera à 9 qubits au banc d'essai TangleLab du Pittsburgh Supercomputing Center, financé par une subvention de la National Science Foundation. Elle honore aussi des systèmes installés sur site, dont un programme à 108 qubits pour le C-DAC en Inde. Le benchmark est un cas de référence, pas la preuve d'une gamme de produits.
Sources
28- 01Rigetti Computing (RGTI) Powered A Quantum Forecasting Breakthrough In FinanceEN
- 02FirstQFM and NVIDIA Deploy Machine Learning Foundation Models to Accelerate Quantum Reservoir ComputingEN
- 03Rigetti Computing Reports Second Quarter 2026 Financial ResultsEN
- 04Quantum Computing Price Prediction: IonQ at $43.91, Rigetti at $15.74EN
- 05Not IonQ. Not Rigetti Computing. This Quantum Computing Stock Is the One I'd Buy and Hold Through 2030.EN
- 06Amazon Quantum Forecast Ignites Rally: D-Wave, Rigetti and IonQ Race for Commercial BreakthroughEN
- 07Not IonQ. Not Rigetti Computing. This Quantum Computing Stock Is the One I'd Buy and Hold Through 2030.EN
- 08Cologne and RWTH Aachen Researchers Test Predictions for Topological Quantum ComputingEN
- 09Claude can now analyze your spending with its new Personal Finance toolEN
- 10ORNL, IBM, and AMD Launch New Co-Design Platform for Quantum Error CorrectionEN
- 11Quint Computing raises €9.1 million for development of fault tolerant quantum computing architectureEN
- 12Universal Quantum launches iQPU to help efficiently scale quantum computersEN
- 13 SpaceX's plan to build more data center compute than Google's entire lifetime capacity in just 1.5 years is possible, say analysts EN
- 14Turning Conv2D Into A Practical GPU Compute PatternEN
- 15FINCOSMOS: An Open-World Evaluation Paradigm for Agents in FinanceEN
- 16FARR: Forecast-Aware Residual Refinement with Matched Endpoint Evidence for Long-Horizon Time-Series ForecastingEN
- 17Big Models, Small Gains: Frozen Forecasters as Classifiers on MONSTEREN
- 18Scenario Augmentation for Rare Financial Events via Multimodal Latent DiffusionEN
- 19Two-stage residual learning for calibrated uncertainty in solar irradiance forecastsEN
- 20Echoes of Error: Residual-Directional Local Rollout Consistency for Timeseries ForecastingEN
- 21Trump’s Crypto Vehicle World Liberty Financial to Buy Back Tokens After Post-Election Nose DiveEN
- 22Claude’s new Personal Finance tool aims to help analyze your spending – read-only, of courseEN
- 23IEEE Computer Society Chapter Offers Webinars With Industry ExpertsEN
- 24Federal Reserve Board announces termination of enforcement action with Allegiant United Holdings, LLC, Nano Financial Holdings, Inc., and Nano BancEN
- 25What Makes a Quantum Company Valuable?EN
- 26Optimum forms group to explore 'potential strategic and financial transactions'EN
- 27Will Islamic Finance Expand Financial Inclusion in Uzbekistan?EN
- 28Lumen redefining networking for AI and quantum eras with three new initiativesEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.