超次元コンピューティング（HDC）は、シンボルを高次元のハイパーベクトルで表現する革新的な計算パラダイムです。本研究は、このHDCにおける重要な課題であるハイパーベクトル分解問題に対し、量子コンピューティングを活用した新たなアプローチを提案しています。 ハイパーベクトル分解とは、与えられたターゲットハイパーベクトルから、F個の構成要素ハイパーベクトルを復元する問題です。各要素はサイズNのコードブックから取り出されるため、探索すべき候補は N^F にも達し、スケール拡大に伴い計算量が爆発的に増加します。従来の古典的アプローチはこの計算負荷に対処できず、最近開発された量子アプローチも二次の探索優位性を提供するものの、O(D)キュービット（D は次元数）という非効率な表現を必要としていました。 本研究の核となる創意は、表現コストを O(log D) に削減する量子フレームワークの提案です。対数的ハイパーベクトエンコーディングとバインディングエンコーディング、さらには密密度ハイパーベクトルの回路レベル操作を可能にする可逆ハイパーベクトルルックアップ演算子を導入しました。これらを修正されたデュール・ホイヤー探索手順と組み合わせることで、O(√(N^F))の探索計算量を維持しながら、キュービット使用量を劇的に削減しています。 実験結果は、提案手法が類似度計算の正確性と実行可能な領域での分解精度を確保しながら、従来のD キュービット明示表現をベースラインとして比較した場合、最大2,000倍のキュービット削減を達成できることを実証しています。この成果は、NISQ（Noisy Intermediate-Scale Quantum）時代における限定的な量子リソースの効率的活用に大きく貢献する技術として注目されます。