論文の概要: Benchmarking Quantum Solvers in Noisy Digital Simulations for Financial Portfolio Optimization

• arxiv url: http://arxiv.org/abs/2508.21123v1
• Date: Thu, 28 Aug 2025 18:00:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.838982
• Title: Benchmarking Quantum Solvers in Noisy Digital Simulations for Financial Portfolio Optimization
• Title（参考訳）: 金融ポートフォリオ最適化のためのノイズの多いディジタルシミュレーションにおける量子解のベンチマーク
• Authors: Ruizhe Shen, Zichang Hao, Ching Hua Lee,
• Abstract要約: 量子Imaginary-Time Evolution(QITE)とQuantum Approximate Optimization Algorithm(QAOA)の2つの重要な量子アルゴリズムをベンチマークする。 定量的ファイナンスにおけるMarkowitzポートフォリオ最適化問題に適用し、ディジタル量子コンピュータと2ビット誤りを制御可能なローカル量子シミュレータの両方に適用する(ノイズ)。 本研究は,スケーラビリティと雑音耐性のトレードオフに関する貴重な知見を提供するとともに,短期量子デバイスにおける実世界の最適化問題を解決するための量子アルゴリズムの実用化可能性を示すものである。
• 参考スコア（独自算出の注目度）: 6.856553510045862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we benchmark two prominent quantum algorithms: Quantum Imaginary-Time Evolution (QITE) and the Quantum Approximate Optimization Algorithm (QAOA) for obtaining the ground state of Ising-type Hamiltonians. Specifically, we apply them to the Markowitz portfolio optimization problem in quantitative finance, on both digital quantum computers and local quantum simulators with controllable two-qubit errors (noise). In noiseless settings, we find that QAOA achieves excellent convergence to the optimal results. Under noisy conditions, the QITE method exhibits greater robustness and stability, though it incurs substantially more classical numerical cost. In contrast, we demonstrate that QAOA offers better scalability and can still yield robust results if the noise can be effectively mitigated. Our findings provide valuable insights into the trade-offs between scalability and noise tolerance and demonstrate the practical potential of quantum algorithms for solving real-world optimization problems on near-term quantum devices.
• Abstract（参考訳）: 本研究では,量子イマジナリー時間進化(QITE)と量子近似最適化(QAOA)の2つの量子アルゴリズムをベンチマークし,Ising型ハミルトニアンの基底状態を求める。 具体的には、デジタル量子コンピュータとローカル量子シミュレータの両方において、2量子ビット誤り(ノイズ)の制御が可能なマルコウィッツポートフォリオ最適化問題に適用する。 雑音のない環境では、QAOAは最適な結果に優れた収束性が得られる。 雑音条件下では、QITE法はより強い堅牢性と安定性を示すが、より古典的な数値コストがかかる。 対照的に、QAOAはより優れたスケーラビリティを提供し、ノイズを効果的に軽減できれば、堅牢な結果が得られることを実証する。 本研究は,スケーラビリティと雑音耐性のトレードオフに関する貴重な知見を提供するとともに,短期量子デバイスにおける実世界の最適化問題を解決するための量子アルゴリズムの実用化可能性を示すものである。

関連論文リスト

• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Bayesian Quantum Amplitude Estimation [49.1574468325115]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware [2.753858051267023]
  本稿では,短期量子ハードウェア上での動作に適した雑音対応分散量子近似最適化アルゴリズム(QAOA)を提案する。 我々は、現在のノイズ中間量子(NISQ)デバイスの限界に対処し、量子ビット数の制限と高いエラー率によって妨げられている。
  論文  参考訳（メタデータ） (2024-07-24T14:50:01Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Limitations of variational quantum algorithms: a quantum optimal transport approach [11.202435939275675]
  我々は、ノイズとノイズレスの両体制において、標準NISQ提案の極めて厳密な境界を得る。 境界は、QAOAのような両方の回路モデルアルゴリズムと、量子アニールのような連続時間アルゴリズムの性能を制限する。
  論文  参考訳（メタデータ） (2022-04-07T13:58:44Z)
• 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)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
  本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。 VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。 これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
  論文  参考訳（メタデータ） (2020-04-06T21:31:22Z)
• Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
  本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。 単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
  論文  参考訳（メタデータ） (2020-02-04T00:46:51Z)

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。