論文の概要: Benchmarking the performance of portfolio optimization with QAOA
- arxiv url: http://arxiv.org/abs/2207.10555v1
- Date: Thu, 21 Jul 2022 15:53:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-04 05:22:23.919022
- Title: Benchmarking the performance of portfolio optimization with QAOA
- Title（参考訳）: QAOAによるポートフォリオ最適化のパフォーマンスベンチマーク
- Authors: Sebastian Brandhofer, Daniel Braun, Vanessa Dehn, Gerhard Hellstern,
Matthias H\"uls, Yanjun Ji, Ilia Polian, Amandeep Singh Bhatia, and Thomas
Wellens
- Abstract要約: 量子近似最適化アルゴリズム(QAOA)の異なるバージョンを用いたポートフォリオ最適化の詳細な研究について述べる。
変動形式と、対応する最適化パラメータを見つけるための古典的アルゴリズムの選択について、いくつかの可能性について論じる。
また,統計的サンプリング誤差(有限ショット数による)とゲートおよびリードアウト誤差(不完全量子ハードウェアによる)の影響も分析した。
- 参考スコア（独自算出の注目度）: 0.12110562441696866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a detailed study of portfolio optimization using different
versions of the quantum approximate optimization algorithm (QAOA). For a given
list of assets, the portfolio optimization problem is formulated as quadratic
binary optimization constrained on the number of assets contained in the
portfolio. QAOA has been suggested as a possible candidate for solving this
problem (and similar combinatorial optimization problems) more efficiently than
classical computers in the case of a sufficiently large number of assets.
However, the practical implementation of this algorithm requires a careful
consideration of several technical issues, not all of which are discussed in
the present literature. The present article intends to fill this gap and
thereby provide the reader with a useful guide for applying QAOA to the
portfolio optimization problem (and similar problems). In particular, we will
discuss several possible choices of the variational form and of different
classical algorithms for finding the corresponding optimized parameters.
Viewing at the application of QAOA on error-prone NISQ hardware, we also
analyze the influence of statistical sampling errors (due to a finite number of
shots) and gate and readout errors (due to imperfect quantum hardware).
Finally, we define a criterion for distinguishing between "easy" and "hard"
instances of the portfolio optimization problem
- Abstract（参考訳）: 本稿では,量子近似最適化アルゴリズム(qaoa)の異なるバージョンを用いたポートフォリオ最適化に関する詳細な研究を行う。
ある資産のリストについて、ポートフォリオ最適化問題は、ポートフォリオに含まれる資産の数に制限された二次二元最適化として定式化される。
QAOAは、十分な数の資産を抱える場合、古典的コンピュータよりも効率的にこの問題を解決するための候補として提案されている(および類似の組合せ最適化問題)。
しかし,本アルゴリズムの実用的実装には,いくつかの技術的課題を慎重に検討する必要がある。
本稿では,このギャップを埋めることを目的として,ポートフォリオ最適化問題(および類似問題)にqaoaを適用するための有用なガイドを読者に提供する。
特に、変動形式と、対応する最適化パラメータを見つけるための異なる古典アルゴリズムのいくつかの選択肢について論じる。
また,QAOAを誤差発生型NISQハードウェアに適用することにより,統計的サンプリング誤差(有限ショット数による)とゲートおよびリードアウト誤差(不完全量子ハードウェアによる)の影響を解析する。
最後に、ポートフォリオ最適化問題の "easy" と "hard" のインスタンスを区別するための基準を定義する。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - Exploring the synergistic potential of quantum annealing and gate model
computing for portfolio optimization [2.432141667343098]
我々は、量子アニールとゲートベースの量子コンピューティングシステムの両方の利点を最大限に活用するために研究を拡大する。
インド株式市場の現実世界の株価データを最大64件の資産でテストしています。
この結果から,ハイブリッドアニールゲート量子コンピューティングは,投資ポートフォリオの最適化を目指すポートフォリオマネージャにとって貴重なツールである可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-02T15:02:13Z) - End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。
アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文 参考訳（メタデータ） (2022-11-22T18:54:48Z) - Comparing Classical-Quantum Portfolio Optimization with Enhanced
Constraints [0.0]
ポートフォリオ最適化問題に基本的な分析を加え、選択したバランスシートのメトリクスに基づいて資産固有の制約とグローバルな制約を追加する方法について述べる。
我々は、D-Waveの量子プロセッサを用いて、そのような問題を解決するための最先端のアルゴリズムを解析し、商用で利用可能な最適化ソフトウェアで得られるソリューションの品質を比較した。
論文 参考訳（メタデータ） (2022-03-09T17:46:32Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z) - Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。
ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文 参考訳（メタデータ） (2020-12-24T16:33:17Z) - Solving the Optimal Trading Trajectory Problem Using Simulated
Bifurcation [0.0]
シミュレーション分岐(SB)に基づく最適化手法を用いて,前例のない計算速度で整数ポートフォリオとトラジェクトリ問題を解く。
最大1000の資産のポートフォリオに対して,ポートフォリオとしての新しいユースケースと取引路としてのSBアルゴリズムのパワーをすでに確認した上で,最初の数値結果を示す。
論文 参考訳（メタデータ） (2020-09-17T16:42:04Z) - Evaluation of QAOA based on the approximation ratio of individual
samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。
QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文 参考訳（メタデータ） (2020-06-08T18:00:18Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
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。