摩根大通(JPMC)的全球技术应用研究(GTAR)中心正在试验用于约束优化的量子算法，以执行用于文档摘要的自然语言处理(NLP)，他们希望这种量子算法能帮助解决整个公司里的各种应用点。摩根大通利用Quantinuum的H1-1量子系统在这一大规模提取文档摘要的实验研究中返回了可喜的结果。

摩根大通是Quantinuum H1-1系统的早期用户之一。摩根大通的研究团队发现，尽管电路深度超过了100个双量子比特门，但只有20个全连接量子比特的H1-1系统在没有任何错误缓解措施的情况下返回的结果要明显好于随机猜测。值得注意的是，他们使用的这个电路比他们之前执行的任何量子优化电路都要深。

摩根大通GTAR中心负责人Marco Pistoia博士领导了围绕量子近似优化算法(QAOA)约束版本的研究工作，该算法可以从法律文件或合同中提取和总结最重要的信息。他说：“有了20个量子比特，我们可以总结更大的文件，而且结果非常好。我们看到了量子比特数量和量子比特质量方面的差异。”

自2020年(与剑桥量子合并前)以来，摩根大通一直在使用Quantinuum的量子硬件，随着该公司陆续添加更多的量子比特，Pistoia见证了机器随着时间的推移而演变。他说：“很明显，量子比特的数量并不重要。在短期内，我们需要有更可靠量子比特的计算机，并会根据参考值为我们提供预期的结果。”

即使这种摘要提取工作的结果质量很高，但量子自然语言处理算法还没有准备好推出。Pistoia说：“量子计算机还没有那么强大，但我们越来越接近了。这些结果证明了算法和硬件的进步如何使量子优势的前景更加接近我们，并且它可以在许多行业中得到利用。”

Quantinuum产品管理总监Jenni Strabley表示：“对于量子计算机而言，质量是至关重要的。我们知道我们的用户(例如JPMC)都希望他们每次使用H系列量子计算机时，都能获得相同的、可重复的、高质量的性能。质量通常不是围绕量子计算机进行日常对话的一部分，但对于像Marco和他的团队这样的用户来说就很重要，因为质量的提升意味他们的研究能取得更好的进展。”（编译:Qtech）