FirstQFM: tasso di successo del 56,1% per il sistema di previsione quantistica
All'inizio di novembre 2026 FirstQFM ha annunciato che il suo sistema di quantum reservoir computing ha ottenuto un tasso di successo del 56,1% a livello di serie contro i modelli classici di serie temporali nei test zero-shot. Le esecuzioni finali sull'hardware Rigetti hanno raggiunto un'accuratezza direzionale del 54,74%.

FirstQFM riporta un tasso di successo del 56,1%
All'inizio di novembre 2026 FirstQFM ha annunciato che il suo sistema di quantum reservoir computing ha ottenuto un tasso di successo del 56,1% a livello di serie nell'accuratezza predittiva zero-shot rispetto ai principali modelli classici di serie temporali. Lo riporta Yahoo Finance. Il benchmark ha coperto 41 attività di previsione dei rendimenti finanziari giornalieri, su singole azioni, indici globali, criptovalute e materie prime.
Il 56,1% è una maggioranza, non un dominio netto. Significa che il sistema ha battuto i modelli classici di riferimento su 56,1% delle 41 serie tenute fuori dall'addestramento: un campione esiguo rispetto all'ampiezza dei mercati finanziari. FirstQFM ha riportato un errore quadratico medio di 0,000485. Sul suo grafico, scalato per 10.000, il valore di FirstQFM era 4,85, mentre i modelli classici di riferimento stavano a 9,20 o più. I modelli di riferimento erano modelli di base per serie temporali di Google, Amazon e Salesforce.
Reservoir simulati, poi l'hardware Rigetti
I primi reservoir sono stati simulati, non eseguiti su un chip. FirstQFM li ha generati al limite della simulabilità classica con gli SDK cuQuantum e le librerie cuTensorNet di NVIDIA sul supercomputer Leonardo, una macchina sostenuta da EuroHPC. Il tasso di successo del 56,1% viene da quel benchmark zero-shot.
Le esecuzioni finali del benchmark si sono svolte sull'hardware superconduttore multi-chip di Rigetti. Qui FirstQFM ha riportato un'accuratezza media direzionale di previsione del 54,74% e una riduzione massima dell'MSE su singola serie del 52,95% sui principali indici, tra cui DAX 30 e Dow 30.
Come funziona il sistema
Il quantum reservoir computing è un'impostazione ibrida per la modellazione di sequenze. Un circuito quantistico a bassa profondità funge da generatore di caratteristiche ad alta dimensionalità e si evolve sotto dinamiche a molti corpi. Uno strato di lettura classico leggero trasforma le misure in una previsione. FirstQFM afferma che i suoi modelli di base adattano il reservoir allo stato fisico del processore e alla struttura del flusso di dati, invece di usare un reservoir fisso per ogni attività. L'azienda ha presentato l'approccio come un'applicazione per i dispositivi quantistici rumorosi su scala intermedia, l'hardware che esiste prima dell'arrivo della correzione degli errori.
FirstQFM ha aperto le candidature per il sistema in beta a partner pilota selezionati. L'obiettivo sono le serie temporali aziendali multivariabili, con campionamento irregolare dei dati, variabili mancanti e vincoli operativi in evoluzione.
Perché Rigetti conta
Rigetti fornisce i processori a cui accedono sviluppatori esterni come FirstQFM. Non vende software finanziario proprio, come riportato da Yahoo Finance. Il progetto pilota diventa così un caso di riferimento per l'hardware di Rigetti nei servizi finanziari, un ampio bacino di potenziali clienti che già pagano per strumenti di previsione.
Il Cepheus-1-108Q da 108 qubit di Rigetti ha una fedeltà mediana delle porte a due qubit del 99,1%. L'azienda afferma che c'è margine di miglioramento prima dei carichi di lavoro commerciali sensibili agli errori. Il progetto pilota conta perché la base di ricavi di Rigetti è ancora piccola: ha registrato 5.100.000 dollari di ricavi nel secondo trimestre del 2026 e una perdita operativa di 28.100.000 dollari. Al 30 giugno deteneva 541.300.000 dollari in liquidità, equivalenti di liquidità e investimenti disponibili per la vendita, senza debiti.
Cosa osservare
Yahoo Finance ha indicato il segnale da osservare: se Rigetti riporterà, nei prossimi aggiornamenti sui risultati, ulteriori contratti commerciali o di ricerca che citano il quantum reservoir computing o carichi di lavoro finanziari simili. Menzioni concrete di nuovi utenti paganti che costruiscono su sistemi Cepheus-1 o Novera mostrerebbero che il lavoro è andato oltre un singolo progetto pilota.
Rigetti sta già consegnando macchine più piccole in contesti di ricerca. Consegnerà un sistema Novera da 9 qubit al banco di prova TangleLab del Pittsburgh Supercomputing Center, finanziato da una sovvenzione della National Science Foundation. Sta anche evadendo ordini per sistemi on-premises, tra cui un programma da 108 qubit per il C-DAC in India. Il benchmark è un caso di riferimento, non la prova di una linea di prodotti.
Fonti
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
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.