定義
積量子化とは、ベクトルを分割し量子化して埋め込みの保存容量を削減し高速な近似検索を可能にする手法のこと。
積量子化 (Product Quantization)とは（詳しく解説）
積量子化（Product Quantization, PQ）は、高次元ベクトルをいくつかの低次元サブベクトルに分割し、各部分空間ごとにクラスタリングして代表点（コードブック）のインデックスで近似表現する量子化手法である。FAISSやMilvusなど主要なベクトル検索エンジンで標準的に採用され、元のfloat32ベクトルに比べてメモリ使用量を数分の一から数十分の一に圧縮できるとされる。2026年時点の実運用では、埋め込み次元やデータ量が増えるほどコードブック学習の精度劣化が課題になりやすく、量子化による検索精度低下(リコール率の低下)と省メモリ・高速化のトレードオフをどう許容するかが現場での選定ポイントとなる。相場感としては、数百万件規模のベクトルをHNSWなどのインデックスと組み合わせる場合にPQが選ばれやすく、精度を重視する小規模データではPQを使わずフルベクトル検索を選ぶ判断も一般的とされる。コスト面では、クラウドのベクトルDBサービスはメモリ使用量に比例した課金体系が多く、PQ導入がインフラコスト削減に直結する点も採用理由の一つとされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「積量子化 (Product Quantization)とは」 https://aipicks.jp/glossary/product-quantization
積量子化 (Product Quantization)の使用例
- ベクトルDBのインデックス設計で「PQで圧縮するかフルベクトルで持つか」をデータ量とレイテンシ要件から検討する場面。
- OPQ（最適化積量子化）やIVF-PQなど、PQを組み合わせた検索インデックス方式の比較を調べる場面。
