AllstateとIBMは、コンピューターサイエンスで知られる「ナップサック問題」の複雑な変形を処理することで、量子コンピューティングが保険会社による価値とリスクのより均衡したポートフォリオ構築を支援できるかどうかを検討している。共同研究の結果は2026年5月にarXivで公開され、IBMは2026年6月18日にその詳細を発表した。
ナップサック問題とは、重量または容量の上限を超えずに、可能な限り高い価値を実現する要素の集合を選ぶ問題である。保険への応用では、保険契約がポートフォリオに組み入れるべき要素を表し、潜在的な損失が重量を表し、ポートフォリオの価値が期待される便益または収益を表す。要素数が多く、重量が固定値ではなく不確実な範囲である場合、この問題は難しくなる。
住宅保険ポートフォリオはなぜ異なるのか？
すべてのリスクが同じように変動するわけではない。自動車事故は、別の運転者が遭う事故とは概ね独立している可能性があるが、天候に関連する危険は多数の契約に一度に影響を及ぼすことがある。山火事、ハリケーン、吹雪は一つの地域にある多数の住宅に損害を与える可能性があり、損失は別々の事象ではなく相関したものになる。
Allstateの最高分析・データ責任者であるエリック・ホルツ氏は、住宅保険では個別のリスクだけでなく、ポートフォリオの観点から考える必要があると述べた。そのため、各物件を個別に評価して結果を合算するだけでは不十分である。保険会社は、複数の損失が同時に発生した場合に何が起きる可能性があるかを見積もり、極端なシナリオが会社の受け入れ可能なリスク水準に収まることを確認しなければならない。
Allstateは現在、起こり得る結果を推定するために古典的なシミュレーションに依存している。同社は将来のシナリオを10万件実行することがあるが、まれで高額な事象は依然として課題となる。これらのシナリオの最悪の1%に焦点を当てる場合、残る事象は約1,000件にすぎず、広い地理的地域にわたる複数種類の危険を分析するには、十分な確実性が得られない可能性がある。
量子計算と古典計算を組み合わせたアプローチ
チームは、住宅保険ポートフォリオに特化した量子的アプローチを試験した。このアプローチでは、IBM Quantum Heronプロセッサー上で動作する量子回路を使用して候補解の集合を生成し、価値と予算、または許容可能な損失上限への適合性を組み合わせた構成に計算を誘導する。
その後、古典的な段階で結果を改良する。予算を超える解を修正し、良好な解に頻繁に現れる住宅を学習し、その知識を使って次の計算ラウンドを誘導する。こうして、各反復で結果を改善することを目指すサイクルが繰り返される。
研究者たちは、大規模な問題で量子回路を訓練する際に知られている問題にも直面した。問題の規模が大きくなるほど、学習シグナルが弱くなる可能性があるためである。これを克服するため、チームは問題の小規模な版で回路を訓練し、学習内容をより大きな版に移した。
IBMで量子コンピューティングを研究し、論文の共著者でもあるヴァイバヴ・クマール氏は、現在の古典的手法は、複数のシナリオをシミュレーションする方法と、可能な限り最悪の範囲に焦点を当てる方法のいずれかに依存していると説明した。前者は正確だが計算コストが高く、後者はより安全だが、過度に保守的になる可能性がある。
従来の最適化手法との比較
新しいアプローチの性能を測定するため、チームは、そのアプローチの結果を、十分な時間が与えられれば証明済みの最適解に到達できる厳密解法と比較した。また、速度と精度のバランスを取る、一般的な4つの近似手法とも比較した。
- シミュレーテッドアニーリング。
- タブーサーチ。
- パラレルテンパリング。
- 遺伝的アルゴリズム。
各手法には、問題ごとに30分が与えられた。最大75個の要素を含む問題では、すべての手法が証明済みの最適解に到達した。問題の規模が大きくなると、量子・古典ハイブリッドのアプローチは、最も強力な古典的ヒューリスティック手法に対して競争力を維持し、その性能に近づき、厳しい制約ではわずかに上回った。
ただし、このアプローチは、厳密解法が遅くなりすぎて有用性を失う規模には、まだ対応できない。そのため、今回の結果は将来、実用的な価値を実現できる可能性を示す初期の兆候ではあるが、量子コンピューティングが商業規模での保険ポートフォリオ構築の問題をすでに解決したことを示すものではない。
Allstateはこの実験から何を学んでいるのか？
Allstateは、現在の量子デバイスが何を実行できるのかを理解し、デバイスの改善に伴って恩恵を受ける可能性のあるビジネス上の問題を特定し、技術的な能力と実務上のニーズが交わる場所を見極めるという、双方向の橋を構築することが目標だと考えている。
ホルツ氏は、商業的価値に到達する時期が明確でないからといって待つ必要はないと述べた。スキルを構築し、適切な問題を早期に特定する企業は、技術が進歩した際により良く備えられる可能性があるためである。ホルツ氏と、Allstateの保険商品部門でデータサイエンティスト兼テクニカルディレクターを務めるジャン・オテック氏は、用途から切り離して技術を研究するのではなく、ビジネスにとって重要な実際の問題から始めることの重要性を指摘した。
このパートナーシップは、この分野に初めて取り組む組織向けのIBMのQuantum Acceleratorプログラムを通じて始まり、その後、2年間にわたる共同研究へと発展した。オテック氏によれば、結果、コード、データを公開し、他者が検証して発展させられるようにすることで、研究は透明性をもって進められた。
保険会社の意思決定やポートフォリオ構築において、量子的なワークフローがどのような役割を果たすのかについては、依然として未解決の問題がある。しかしこの実験によって、Allstateは問題の定式化、適切なタスクの選択、量子処理と古典的手法の統合に関する実践的な経験を得た。ハードウェアが改善され、ノイズが低減すれば、古典側で実行しなければならない作業の割合は減少するとIBMは予想している。