論文の概要: Quantum-Informed Portfolio Selection: An End-to-End Pipeline Validated on Trapped-Ion Hardware with Real Market Data
- arxiv url: http://arxiv.org/abs/2607.01037v1
- Date: Wed, 01 Jul 2026 15:04:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.951656
- Title: Quantum-Informed Portfolio Selection: An End-to-End Pipeline Validated on Trapped-Ion Hardware with Real Market Data
- Title（参考訳）: 量子インフォームドポートフォリオ選択:実市場データを用いたトラップオンハードウェア上でのエンド・ツー・エンドパイプライン検証
- Abstract要約: ポートフォリオの多様化は、資産相関グラフ上の最大独立集合(MIS)問題として定式化することができる。
ハイブリッド量子古典アルゴリズムであるqReduMISを利用するエンドツーエンドパイプラインを提案する。
我々は、最大225の資産を持つ4大市場指標の実際の財務データについてqReduMISをベンチマークする。
- 参考スコア（独自算出の注目度）: 10.505676456054193
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Portfolio diversification - a cornerstone of modern investment management - can be formulated as a Maximum Independent Set (MIS) problem on asset correlation graphs. Solving this problem at scale is computationally challenging, motivating the exploration of quantum algorithms for practical financial optimization. We propose an end-to-end pipeline leveraging qReduMIS, a recursive hybrid quantum-classical algorithm. Rather than using quantum optimization to directly produce a final solution, qReduMIS leverages independent set measurements from the Quantum Approximate Optimization Algorithm (QAOA) to identify frozen nodes - vertices likely to belong to optimal solutions - thereby guiding and unblocking subsequent (provably optimal) classical reductions on the remaining graph. We benchmark qReduMIS on real financial data from four major market indices with up to 225 assets, executing experiments on Quantinuum's 98-qubit trapped-ion Helios system, with QAOA circuits acting on kernels of up to 78 qubits and 1016 two-qubit gates. While standalone QAOA fails to find the optimal solution for two of the largest indices (S&P 100 and Nikkei 225), qReduMIS achieves success probabilities of $0.40$ and $0.95$, respectively, with average approximation ratios $\geq 0.96$ across all four indices. We perform a systematic benchmark on the Quantinuum H2-1 noisy emulator over 73 asset correlation graphs of varying size showing that, for $p=2$ QAOA layers, the optimal time-to-solution scaling exponent of qReduMIS is $3.2$ times smaller than that of standalone QAOA.
- Abstract（参考訳）: ポートフォリオの多様化 - 現代の投資管理の基礎である - は、資産相関グラフ上の最大独立集合(MIS)問題として定式化することができる。
この問題を大規模に解くことは計算学的に困難であり、実用的な財政最適化のために量子アルゴリズムの探索を動機付けている。
我々は、再帰的ハイブリッド量子古典アルゴリズムであるqReduMISを利用するエンドツーエンドパイプラインを提案する。
量子最適化を用いて最終解を直接生成するのではなく、qReduMISは量子近似最適化アルゴリズム (QAOA) から独立した集合の測定を利用して、凍結したノード(頂点は最適解に属する可能性が高い)を識別する。
我々は、Quantinuumの98量子ビットトラップイオンHeliosシステムにおいて、最大78量子ビットと1016量子ビットゲートのカーネル上でQAOA回路を動作させる実験を行い、最大225の資産を持つ4つの主要な市場指標の実際の財務データについてqReduMISをベンチマークした。
スタンドアローンのQAOAは2つの大きな指標(S&P 100とNikkei 225)の最適解を見つけられなかったが、qReduMISはそれぞれ0.40$と0.95$の成功確率を達成し、平均近似比は4つの指標すべてに対して$\geq 0.96$である。
我々は,量子H2-1雑音型エミュレータにおいて,様々な大きさの73個のアセット相関グラフに対して,qReduMISの最適時間-解スケール指数がスタンドアロンQAOAの3.2倍小さいことを示す。
関連論文リスト
- Towards Natural Gas Contract Selection via Quantum-Guided Independent Set Reduction [1.2178992475191557]
本稿では,ノイズの多い量子ハードウェアの限界内で大規模MISインスタンスを解くための量子古典的フレームワークについて検討する。
最大900のコントラクトを含む6つの合成対契約適合性グラフ上で,アルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2026-09-01T08:14:34Z) - Quantum Variational Approaches to the Maximum Independent Set Problem at Utility Scale [6.404616027487662]
最大独立集合(MIS)問題に対する変分量子アルゴリズムを64,99,180頂点のベンチマークグラフ上で検討する。
新しい構成により、複数のシードを同時に量子並列変動探索することができ、単一シードのメソッドが失敗する正確なMISを発見することができる。
IBM Quantumハードウェア ibm_marrakesh のハードウェア検証では、収束したシミュレータパラメータがノイズの多い量子実行に効果的に転送されることを確認した。
論文 参考訳（メタデータ） (2026-06-27T11:15:45Z) - Performance Comparison of QAOA Mixers for Ternary Portfolio Optimization [0.0]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、ノイズ中間スケール量子(NISQ)デバイスに提案される量子アルゴリズムである。
本研究では,現実的な環境下でのアルゴリズムの挙動を調べるために,非分極チャネルに基づく雑音を導入する。
その結果,XYミキサーはノイズのない環境では優位性を示すが,ノイズの多い環境では優位性は低下することがわかった。
論文 参考訳（メタデータ） (2026-02-25T04:35:26Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳（メタデータ） (2025-01-02T05:06:16Z) - A Multilevel Approach For Solving Large-Scale QUBO Problems With Noisy Hybrid Quantum Approximate Optimization [3.3493770627144004]
既存の量子処理ユニット(QPU)がマルチレベル戦略においてサブソルバとしてどのように機能するかを実験的に検証する。
完全連結な 82$-qubit Sherrington-Kirkpatrick グラフに対して 10$ の近似解を求める。
量子最適化の結果は古典学と比較して解の質に関して競争力がある。
論文 参考訳（メタデータ） (2024-08-14T20:06:32Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。
QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。
この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
論文 参考訳（メタデータ） (2023-02-09T07:47:06Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - 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) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-22T11:07:38Z) - Dynamic Portfolio Optimization with Real Datasets Using Quantum
Processors and Quantum-Inspired Tensor Networks [0.0]
動的ポートフォリオ最適化の問題に対処し、トランザクションコストやその他の可能な制約を考慮に入れます。
我々は、その離散的な定式化を解決するために、異なるハードウェアプラットフォーム上で多くの量子および量子に着想を得たアルゴリズムを実装した。
D-Wave HybridとNetworksは、最大1272個の完全接続量子ビットの計算を行う最大のシステムを扱うことができると結論付けている。
論文 参考訳（メタデータ） (2020-06-30T18:00:03Z)
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。