本文提出一种量子算法来优化投资组合,利用历史数据进行处理,并输出相关的财务结果,可以实现多项式时间复杂度。
Nov, 2018
本文提出了一种量子算法,在估算所有具有有界方差的任意随机或量子子程序的期望输出值方面实现了接近二次的加速,并且通过结合量子步行的使用,为计算分区函数的最快已知经典算法提供了量子加速,同时也能有效地估计概率分布之间的总变差距离。所提出的量子算法具有严格的性能边界。
Apr, 2015
研究混合量子 / 经典变分算法,使用条件风险价值作为聚合函数改善在所有组合优化问题的表现。
Jul, 2019
讨论了如何将量子计算应用于金融问题,包括量子优化算法、深度学习在金融中的应用和基于量子放大估计的蒙特卡罗采样算法,这些方法可以用于优化投资组合、发现套利机会、进行信用评分、定价金融衍生品和风险分析,最后提出了展望和建议。
Jul, 2018
本研究对量子近似优化算法的性能进行了评估,其中研究了加权 MaxCut 和 2-SAT 问题实例的概率、期望能值和近似比相关的比率三个不同的度量方式。研究表明,该算法的性能强烈依赖于问题实例,D-Wave 2000Q 量子退火器的性能表现优于在模拟器上执行的量子近似优化算法。
本文提出了一种利用量子信息理论进行开关电路诊断计算的方法,将故障表示为量子叠加态进行多重计算,用量子算法和 SAT 模型计数法进行对比,并在组合电路基准测试中得出了小于 1% 的误差率。
Sep, 2022
该文综述了 VQAs 领域,讨论了克服困难的策略,并突出了使用 VQAs 获得量子优势的激动人心前景。
Dec, 2020
本研究提出了一种基于蒙特卡罗树搜索和图神经网络的量子电路 qubit 路由优化方法,实现了以架构无关的方式,以尽量小的深度进行量子电路执行。
Apr, 2021
本文提出了一种用于监督学习的低深度可变量量子算法,其使用参数化单个和双量子位门的量子电路以及单量子位测量来编码输入特征向量并进行分类,从而实现了可学习参数数量与输入维度的多项式对数关系。通过模拟,该电路为标准经典基准数据集提供了很好的分类性能,而且需要的参数数量极少。
Apr, 2018
本文提出了两种基于机器学习的方法,采用强化学习 (RL) 框架和核密度估计 (KDE) 技术,分别用于优化 QAOA 电路,从小规模问题实例中学习,然后在较大的问题实例中使用,结果表明与其他现成的优化器相比,这两种方法可以将优化度缺口减少多达 30.15 个因子。
Nov, 2019