論文の概要: Quantum Monte Carlo for Economics: Stress Testing and Macroeconomic Deep Learning
- arxiv url: http://arxiv.org/abs/2409.13909v1
- Date: Fri, 20 Sep 2024 21:27:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-09-26 02:57:20.794686
- Title: Quantum Monte Carlo for Economics: Stress Testing and Macroeconomic Deep Learning
- Title(参考訳): 経済学のための量子モンテカルロ:ストレステストとマクロ経済学的ディープラーニング
- Authors: Vladimir Skavysh, Sofia Priazhkina, Diego Guala, Thomas R. Bromley,
- Abstract要約: 我々は、Quantum Monte Carlo(QMC)アルゴリズムが経済応用のランタイムを改善することができるかどうかを初めて研究する。
量子コンピューティング、特にQMCアルゴリズムの詳細を紹介する。
本稿では、QMCと古典計算システムの計算能力の潜在的な向上について論じ、QMCにおけるいくつかの革新について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Computational methods both open the frontiers of economic analysis and serve as a bottleneck in what can be achieved. We are the first to study whether Quantum Monte Carlo (QMC) algorithm can improve the runtime of economic applications and challenges in doing so. We provide a detailed introduction to quantum computing and especially the QMC algorithm. Then, we illustrate how to formulate and encode into quantum circuits (a) a bank stress testing model with credit shocks and fire sales, (b) a neoclassical investment model solved with deep learning, and (c) a realistic macro model solved with deep neural networks. We discuss potential computational gains of QMC versus classical computing systems and present a few innovations in benchmarking QMC.
- Abstract(参考訳): 計算手法は、経済分析のフロンティアを開放し、達成可能なもののボトルネックとして機能する。
我々は、Quantum Monte Carlo(QMC)アルゴリズムが経済応用のランタイムを改善することができるかどうかを初めて研究する。
量子コンピューティング、特にQMCアルゴリズムの詳細を紹介する。
次に、量子回路の定式化とエンコード方法を説明する。
(a)信用ショック及び火災販売を伴う銀行ストレステストモデル
b) 深層学習で解決した新古典的投資モデル
(c)ディープニューラルネットワークで解決した現実的なマクロモデル。
本稿では、QMCと古典計算システムの計算能力について論じ、QMCのベンチマークにおけるいくつかの革新について述べる。
関連論文リスト
- Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。
QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
論文 参考訳(メタデータ) (2024-05-18T14:35:57Z) - Quantum Dynamical Hamiltonian Monte Carlo [0.0]
機械学習におけるユビキタスな問題は、ログの確率を通してのみアクセス可能な確率分布からサンプリングすることである。
我々は、チェインモンテカルロ(MCMC)サンプリングのための有名なハミルトンモンテカルロ法を拡張し、ハイブリッド方式で量子計算を利用する。
論文 参考訳(メタデータ) (2024-03-04T07:08:23Z) - Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。
我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
論文 参考訳(メタデータ) (2024-01-19T11:04:14Z) - Quantum Multiple Kernel Learning in Financial Classification Tasks [2.8564636890651607]
本稿では,量子多重カーネル学習(QMKL)手法を提案する。
誤差緩和パイプラインを用いて量子ハードウェア上でQMKLを示すとともに、大きな量子ビット状態におけるQMKLの利点を示す。
論文 参考訳(メタデータ) (2023-12-01T00:18:43Z) - Quantum Computational Algorithms for Derivative Pricing and Credit Risk
in a Regime Switching Economy [0.0]
金融市場のリスクを模倣する観点からも現実的なプロセスのクラスを紹介します。
ゲート型量子コンピュータにおける信用リスクとオプション価格を推定するアルゴリズムについて検討する。
論文 参考訳(メタデータ) (2023-11-01T20:15:59Z) - Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。
古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
論文 参考訳(メタデータ) (2023-05-18T03:08:18Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Response to "Exponential challenges in unbiasing quantum Monte Carlo
algorithms with quantum computers" [0.7943023838493659]
我々は、QC-QMCにおける実用的な量子優位性の可能性が引き続きオープンであることを強調するために、詳細と数値を提供する。
QC-QMCにおける指数的課題は,(1)QMC法の選択,(2)基礎システム,(3)トライアルと歩行の波動関数の形式に依存する。
今後の研究は、QC-QMCが実用的な量子優位性を実現するための例を特定することを目的としている。
論文 参考訳(メタデータ) (2022-07-27T20:17:11Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - Quantum algorithm for stochastic optimal stopping problems with
applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。
プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文 参考訳(メタデータ) (2021-11-30T12:21:41Z)
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。