Fujitsu on ilmoittanut käynnistäneensä kehitystyön kohti yli 10 000 fyysisen kubitin suprajohtavaa kvanttitietokonetta, jonka on määrä valmistua vuoteen 2030 mennessä. Laitteessa tullaan käyttämään yhtiön kehittämää STAR-arkkitehtuuria, joka mahdollistaa 250 loogisen kubitin virheenkorjatun kvanttilaskennan. Tämä on merkittävä askel kohti käytännön sovelluksia esimerkiksi materiaalitutkimuksessa, jossa kvanttilaskenta voi tarjota ratkaisuja perinteisten tietokoneiden ulottumattomissa oleviin ongelmiin.
Hanke toteutetaan osana Japanin valtion NEDO-projektia, jonka tavoitteena on edistää kvanttitietokoneiden teollistamista. Fujitsu tekee projektissa tiivistä yhteistyötä RIKENin ja AISTin kanssa, ja tutkimus jatkuu ainakin vuoteen 2027 saakka. Yhtiö painottaa erityisesti skaalausteknologioiden kehitystä, mukaan lukien tarkempi kubittien valmistus, tehokkaampi sirujen välinen kytkentä, parempi jäähdytys ja ohjaus sekä kehittyneet virheenkorjauksen algoritmit.
Fujitsun teknologiajohtaja Vivek Mahajanin mukaan kyseessä on merkittävä edistysaskel matkalla kohti täysin japanilaista virheenkorjattua kvanttitietokonetta. Yhtiön pitkän aikavälin tavoitteena on rakentaa 1 000 loogisen kubitin kone vuoteen 2035 mennessä ja yhdistää suprajohtavat kubitit timanttispiniin pohjautuviin kvanttijärjestelmiin.
Fujitsu on jo aiemmin saavuttanut merkittäviä virstanpylväitä kvanttilaskennassa. Vuonna 2023 yhtiö ja RIKEN esittelivät 64-kubittisen suprajohtavan kvanttikoneen, ja huhtikuussa 2025 julkaistiin 256-kubittinen järjestelmä. Näiden pohjalta rakennettava 10 000 kubitin kone on seuraava askel kohti kaupallisesti käyttökelpoisia kvanttiratkaisuja.
Fujitsu aikoo lisäksi integroida kvanttialustansa osaksi seuraavan sukupolven HPC-järjestelmiä, hyödyntäen yhtiön omaa FUJITSU-MONAKA-prosessoria ja tulevaa FugakuNEXT-supertietokonetta. Näin se pyrkii tarjoamaan asiakkailleen yhtenäisen laskenta-alustan, jossa yhdistyvät kvantti- ja huipputietojenkäsittely.
Kuvassa Fujitsun 256 kubitin kone, joka esiteltiin huhtikuussa 2025.






















