論文の概要: A Noise-Aware Quantum Algorithm for Credit Valuation Adjustments on Real Quantum Hardware
- arxiv url: http://arxiv.org/abs/2607.12990v1
- Date: Tue, 14 Jul 2026 17:41:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.237452
- Title: A Noise-Aware Quantum Algorithm for Credit Valuation Adjustments on Real Quantum Hardware
- Title（参考訳）: 実量子ハードウェアにおける信用評価調整のためのノイズ対応量子アルゴリズム
- Abstract要約: CVA(Credit Valuation Adjustment)は、リスクニュートラルな予測を繰り返す必要がある。
CVAのためのエンドツーエンドのノイズ対応量子ワークフローを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Credit Valuation Adjustment (CVA) requires repeated risk-neutral expectation estimation, making it a natural test bed for quantum amplitude estimation, whose coherent amplification can in principle reduce Monte Carlo sampling cost. Whether this advantage survives realistic financial encoding and noisy hardware remains open. We develop an end-to-end, noise-aware quantum workflow for CVA, covering market calibration, discretisation, oracle construction, hardware execution and error-budget analysis. The model combines a correlated two-asset exposure with discount and default factors, encoded through a QCBM-based joint time-market distribution and controlled payoff rotations. We introduce contrast-aware Bayesian iterative quantum amplitude estimation (CABIQAE), which incorporates experimentally calibrated Grover-contrast loss into Bayesian inference and circuit-depth selection. Hardware-calibrated experiments show that CABIQAE exploits the limited amplification available on current devices more effectively than noise-agnostic alternatives and achieves a much lower classical post-processing runtime than the noise-aware BAE baseline. The analysis further decomposes the total CVA error into statistical, encoding, discretisation and hardware contributions. The full CVA oracle remains limited by circuit depth and discretisation resolution.
- Abstract（参考訳）: CVA(Credit Valuation Adjustment)は、リスクニュートラルな予測を繰り返すことを必要とし、量子振幅推定のための自然なテストベッドとなり、そのコヒーレントな増幅は原則としてモンテカルロのサンプリングコストを削減できる。
この利点が現実的な財務エンコーディングやノイズの多いハードウェアを生き残るかどうかはまだ未定だ。
CVAのためのエンドツーエンドのノイズ対応量子ワークフローを開発し、市場キャリブレーション、離散化、オラクル構築、ハードウェア実行、エラー予算分析を網羅する。
このモデルは、相関した2アセット露光と割引とデフォルトの要因を組み合わせ、QCBMベースの共同時間市場分布と制御されたペイオフローテーションを通じて符号化する。
本研究では,ベイジアン推定と回路深度選択にGrover-Contrast損失を実験的に補正した,コントラスト付きベイジアン反復量子振幅推定(CABIQAE)を導入する。
ハードウェアキャリブレーションによる実験では、CABIQAEはノイズ非依存の代替手段よりも、現在のデバイスで利用可能な限られた増幅を効果的に利用し、ノイズを意識したBAEベースラインよりもはるかに低い古典的な後処理ランタイムを実現している。
この分析により、全体のCVAエラーを統計的、エンコーディング、離散化、ハードウェアコントリビューションに分解する。
完全なCVAオラクルは、回路深さと離散化分解能によって制限されている。
関連論文リスト
- Hardware Robustness of Sample-Based Quantum Diagonalization [17.52301775749581]
量子対角化(Quantum Diagonalization, SQD)は、変分最適化をQPUサンプル上の自己整合回復ループに置き換えるハイブリッド量子古典法である。
これらの領域にわたるIBM Heronハードウェア上でのSQDロバスト性を解析する。
論文 参考訳（メタデータ） (2026-07-20T17:36:08Z) - WINDQuant: Weight-Informed Neural Decision-Making for Global Mixed-Precision LLM Quantization [40.655670203062805]
WINDQuantは超低ビットLLM量子化のための強化学習に基づくアロケーションコントローラである。
グローバルストレージ予算の下で、ビット幅と量子化処理をきめ細かいカラムチャンクに割り当てる方法を学ぶ。
LLaMAモデルを用いた実験により、WINDQuantは超低ビット設定で競合性能を達成することが示された。
論文 参考訳（メタデータ） (2026-05-26T07:46:13Z) - Qubit-Scalable CVRP via Lagrangian Knapsack Decomposition and Noise-Aware Quantum Execution [3.652509571098291]
本稿では、OR分解、学習強化二重制御、適応ハードウェア対応実行によるハイブリッド量子CVRP最適化のエンドツーエンドフレームワークを提案する。
我々は量子アドバンテージを主張しない。代わりに、OR分解、学習強化二重制御、適応ハードウェア対応実行を通じてハイブリッド量子CVRP最適化をスケールするための実用的なエンドツーエンドフレームワークである。
論文 参考訳（メタデータ） (2026-04-24T03:46:25Z) - Orders of magnitude runtime reduction in quantum error mitigation [0.0]
仮想ノイズスケーリングと層状緩和アーキテクチャを組み合わせた緩和フレームワークを提案する。
提案手法は動的回路と互換性があり、誤り検出や量子誤り訂正方式とシームレスに統合できる。
論文 参考訳（メタデータ） (2026-01-30T10:07:31Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Classical Noise Inversion: A Practical and Optimal framework for Robust Quantum Applications [5.425954380993698]
量子エラー軽減は、ノイズの多い量子プロセッサから信頼性の高い計算を抽出するための重要な技術である。
量子回路からのサンプリングの膨大なコストと、ゲート非依存ノイズのような非現実的な仮定に依存しているため、これは妨げられている。
ここでは、これらの決定的な制限を根本的に回避し、様々な量子アプリケーションに適したフレームワークであるClassical Noise Inversion (CNI)を紹介する。
論文 参考訳（メタデータ） (2025-10-23T15:59:04Z) - Low Cost Bayesian Experimental Design for Quantum Frequency Estimation with Decoherence [45.74830585715129]
WES: 低コスト適応型ベイズ実験設計のためのウィンドウ拡張戦略を紹介する。
我々は、最適化のオーバーヘッドを低く抑え、スケーリング問題を抑え、高い並列性を実現するために、実証的なコスト削減技術を採用している。
数値シミュレーションにより、WESはハイゼンベルク限界を飽和させ、最も信頼性の高い性能と学習速度を提供することが示された。
論文 参考訳（メタデータ） (2025-08-09T23:41:58Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
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) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z) - 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)
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。