論文の概要: Exploring the synergistic potential of quantum annealing and gate model
computing for portfolio optimization
- arxiv url: http://arxiv.org/abs/2305.01480v1
- Date: Tue, 2 May 2023 15:02:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 14:08:39.813109
- Title: Exploring the synergistic potential of quantum annealing and gate model
computing for portfolio optimization
- Title（参考訳）: ポートフォリオ最適化のための量子アニールとゲートモデル計算の相乗的ポテンシャルの探索
- Authors: Naman Jain and M Girish Chandra
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.432141667343098
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Portfolio optimization is one of the most studied problems for demonstrating
the near-term applications of quantum computing. However, large-scale problems
cannot be solved on today's quantum hardware. In this work, we extend upon a
study to use the best of both quantum annealing and gate-based quantum
computing systems to enable solving large-scale optimization problems
efficiently on the available hardware. The existing work uses a method called
Large System Sampling Approximation (LSSA) that involves dividing the large
problem into several smaller problems and then combining the multiple solutions
to approximate the solution to the original problem. This paper introduces a
novel technique to modify the sampling step of LSSA. We divide the portfolio
optimization problem into sub-systems of smaller sizes by selecting a diverse
set of assets that act as representatives of the entire market and capture the
highest correlations among assets. We conduct tests on real-world stock data
from the Indian stock market on up to 64 assets. Our experimentation shows that
the hybrid approach performs at par with the traditional classical optimization
methods with a good approximation ratio. We also demonstrate the effectiveness
of our approach on a range of portfolio optimization problems of different
sizes. We present the effects of different parameters on the proposed method
and compare its performance with the earlier work. Our findings suggest that
hybrid annealer-gate quantum computing can be a valuable tool for portfolio
managers seeking to optimize their investment portfolios in the near future.
- Abstract（参考訳）: ポートフォリオ最適化は、量子コンピューティングの短期的応用を示す最も研究されている問題の1つである。
しかし、今日の量子ハードウェアでは大規模な問題は解決できない。
本研究では,量子アニーリング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を最大限に活用して,利用可能なハードウェア上で大規模最適化問題を効率的に解決する研究をさらに進める。
既存の研究では、Large System Smpling Approximation (LSSA)と呼ばれる手法を用いて、大きな問題をいくつかの小さな問題に分割し、複数の解を組み合わせて元の問題に近似する。
本稿では,LSSAのサンプリングステップを変更する新しい手法を提案する。
我々は、ポートフォリオ最適化問題を、市場全体を代表する多様な資産群を選択し、資産間の最も高い相関関係を捉え、より小さなサブシステムに分割する。
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。
実験により,ハイブリッド手法は近似比がよい従来の最適化手法と同等に動作することが示された。
また,様々な規模のポートフォリオ最適化問題に対して,提案手法の有効性を示す。
提案手法に異なるパラメータが与える影響について述べるとともに,その性能を先行研究と比較する。
今後の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,ハイブリッド・アニーラーゲート型量子コンピューティングが有用なツールになる可能性が示唆された。
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) - Empirical Analysis of Quantum Approximate Optimization Algorithm for
Knapsack-based Financial Portfolio Optimization [2.9062064631998696]
本稿では,量子ウォークミキサーの量子計算能力と量子近似最適化アルゴリズム(QAOA)を用いて,NPハード問題による課題に対処する手法を提案する。
p>=3の回路層を用いたポートフォリオ最適化手法の近似比を,古典的なknapsack問題の解法と比較した。
論文 参考訳（メタデータ） (2024-02-11T08:20:26Z) - Multi-Objective Optimization and Network Routing with Near-Term Quantum
Computers [0.2150989251218736]
我々は,多目的最適化問題を解くために,近距離量子コンピュータを応用できる手法を開発した。
量子近似最適化アルゴリズム(QAOA)に基づく実装に焦点を当てる。
論文 参考訳（メタデータ） (2023-08-16T09:22:01Z) - A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。
しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
論文 参考訳（メタデータ） (2022-10-20T14:54:37Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - 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) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Tabu-driven Quantum Neighborhood Samplers [2.9934511331003555]
組合せ最適化は、量子コンピューティングを対象とする重要なアプリケーションである。
短期的なデバイスで利点を享受する一つの選択肢は、それらを古典と組み合わせて使うことである。
このようなハイブリッド環境において,QAOAはアルゴリズム探索のための柔軟なツールであることを示す。
論文 参考訳（メタデータ） (2020-11-18T19:30:27Z) - Quantum walk-based portfolio optimisation [0.0]
本稿では,近距離雑音型中間規模量子コンピュータを対象としたポートフォリオ最適化のための高効率量子アルゴリズムを提案する。
Hodsonらによる最近の研究は、金融ポートフォリオ再バランス問題へのハイブリッド量子古典アルゴリズムの適用の可能性を探っている。
論文 参考訳（メタデータ） (2020-11-16T16:11:33Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - 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。