論文の概要: Prospects and challenges of quantum finance

• arxiv url: http://arxiv.org/abs/2011.06492v1
• Date: Thu, 12 Nov 2020 17:02:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 07:37:22.400891
• Title: Prospects and challenges of quantum finance
• Title（参考訳）: 量子ファイナンスの現状と課題
• Authors: Adam Bouland, Wim van Dam, Hamed Joorati, Iordanis Kerenidis, Anupam Prakash
• Abstract要約: モンテカルロ法,ポートフォリオ最適化,機械学習の量子スピードアップを検討する。 これらの量子ファイナンスアルゴリズムの短期的関連性はアプリケーションによって大きく異なる。 我々はこれらのスピードアップを実験的な実現可能性に近づける強力な方法を説明する。
• 参考スコア（独自算出の注目度）: 5.545791216381869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computers are expected to have substantial impact on the finance industry, as they will be able to solve certain problems considerably faster than the best known classical algorithms. In this article we describe such potential applications of quantum computing to finance, starting with the state-of-the-art and focusing in particular on recent works by the QC Ware team. We consider quantum speedups for Monte Carlo methods, portfolio optimization, and machine learning. For each application we describe the extent of quantum speedup possible and estimate the quantum resources required to achieve a practical speedup. The near-term relevance of these quantum finance algorithms varies widely across applications - some of them are heuristic algorithms designed to be amenable to near-term prototype quantum computers, while others are proven speedups which require larger-scale quantum computers to implement. We also describe powerful ways to bring these speedups closer to experimental feasibility - in particular describing lower depth algorithms for Monte Carlo methods and quantum machine learning, as well as quantum annealing heuristics for portfolio optimization. This article is targeted at financial professionals and no particular background in quantum computation is assumed.
• Abstract（参考訳）: 量子コンピュータは、最もよく知られた古典的アルゴリズムよりもかなり早く特定の問題を解決することができるため、金融業界に大きな影響を与えることが期待されている。 本稿では、量子コンピューティングのファイナンスへの潜在的な応用について述べ、最先端から始まり、特にqc wareチームによる最近の研究に焦点を当てる。 モンテカルロ法,ポートフォリオ最適化,機械学習の量子速度向上について考察する。 各アプリケーションについて、量子スピードアップの程度を記述し、実用的なスピードアップを達成するために必要な量子リソースを推定する。 これらの量子ファイナンスアルゴリズムの短期的関連性は、アプリケーションによって大きく異なり、そのうちのいくつかは、近い将来のプロトタイプ量子コンピュータに適合するように設計されたヒューリスティックなアルゴリズムである。 また、これらのスピードアップを実験的な実現可能性に近づける強力な方法、特にモンテカルロ法や量子機械学習の低深さアルゴリズム、ポートフォリオ最適化の量子アニールヒューリスティックスについて説明する。 この記事は金融専門家を対象としており、量子計算における特別な背景は想定されていない。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
  この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。 目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。 アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
  論文  参考訳（メタデータ） (2024-03-01T19:36:35Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• A Practitioner's Guide to Quantum Algorithms for Optimisation Problems [0.0]
  NPハード最適化問題は、物流や金融といった産業分野では一般的である。 本稿では,量子最適化理論の概要を概観する。 ノイズの多い中間スケール量子デバイスに対する短期的なポテンシャルに焦点を当てている。
  論文  参考訳（メタデータ） (2023-05-12T08:57:36Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• QPanda: high-performance quantum computing framework for multiple application scenarios [15.954489124674394]
  本稿では,高性能シミュレーションを用いたシナリオ指向量子プログラミングフレームワークQPandaを提案する。 量子回路の高速シミュレーション、量子コンピュータとスーパーコンピュータの融合処理バックエンドの構成、NISQマシンのための量子プログラムのコンパイルと最適化方法を実装している。
  論文  参考訳（メタデータ） (2022-12-29T07:38:50Z)
• Near-Term Quantum Computing Techniques: Variational Quantum Algorithms, Error Mitigation, Circuit Compilation, Benchmarking and Classical Simulation [5.381727213688375]
  私たちはまだ、本格的な量子コンピュータの成熟まで長い道のりを歩んでいます。 注目すべき課題は、非自明なタスクを確実に実行可能なアプリケーションを開発することです。 誤りを特徴づけ、緩和するために、いくつかの短期量子コンピューティング技術が提案されている。
  論文  参考訳（メタデータ） (2022-11-16T07:53:15Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• The Future of Quantum Computing with Superconducting Qubits [2.6668731290542222]
  量子処理ユニット(QPU)の出現に伴い、計算パラダイムの分岐点が見られます。 超多項式スピードアップによる計算の可能性を抽出し、量子アルゴリズムを実現するには、量子誤り訂正技術の大幅な進歩が必要になる可能性が高い。 長期的には、より効率的な量子誤り訂正符号を実現するために、2次元トポロジ以上の量子ビット接続を利用するハードウェアが見られます。
  論文  参考訳（メタデータ） (2022-09-14T18:00:03Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。