（图片来源：网络）
本周，美国上市量子计算公司IonQ，Inc. (IonQ) 公布了两个独立的量子金融研究项目的结果。这些研究是与富达应用技术中心（Fidelity Center for Applied Technology）、高盛银行（Goldman Sachs）、QC Ware等机构合作完成的。
经典计算机使用比特进行计算，而量子计算机使用“量子比特”。IonQ使用精密激光从镱原子中去除外层电子，形成离子阱量子比特。IonQ计划在未来的某个时候将其现有架构发展为更高级的版本。与Goldman Sachs和QC-Ware进行的联合研究证明了其新硬件的强大功能。
尽管金融业已经是计算密集型的，但包含大量变量的应用程序还是过于复杂，无法在经典计算机上进行求解。然而这些经典计算机难以解决的问题将可以使用量子计算机求解。
多数专家认为，量子计算系统可能还需要五到七年的时间进一步完善，才能从实验原型转移到实际应用中。届时，金融机构将开始在定价、期权衍生品、风险管理、流动性覆盖等各个方面，全面使用量子计算设备。尽管这还需要几年的时间，但大多数主要金融公司已经未雨绸缪，开始为量子计算研究部门配备人员。
以下是IonQ近期公告的摘要：
IonQ和富达应用技术中心（FCAT）的研究
FCAT和IonQ研究人员使用IonQ的基于云的量子计算机来开发量子机器学习 (QML) 概念验证，取得了比已有研究更好的结果。值得注意的是，这项研究还表明，在金融行业有限的价格相关性分析中，量子计算机可以胜过经典计算机。
在当今的金融模型中，大量使用历史数据来进行训练和分析。为了使输出正确且没有偏差，训练数据必须准确反映建模场景的特征。这种称为“回溯测试”的标准测试过程，使用了与训练数据集不同但被认为相似的数据，可以确定模型是否产生准确的结果。然而，回测通常是不够的，因为很难获得准确描述所有市场场景中的广泛训练数据集中的数据。
FCAT-IonQ团队构建了一个量子 AI 模型，该模型创建了一组新的更准确的合成数据，以获得准确的数据进行回测。合成数据是从用于训练模型的相同数据的样本中创建的。这个过程很像在面部图像上训练的AI模型的不可思议的能力，可以创建看起来与真人相同的新的、真实的面孔。
IonQ和FCAT团队没有模拟面部图像，而是模拟了2010年至2018年苹果和微软股票每日回报中所包含的数值关系。两种量子机器学习算法使用这些数据生成高度准确的合成数据集用于回测。
研究要点：
回测是一项重要的数据科学技术，能够创建准确的合成数据是一项重要成就。
本研究中的量子机器学习模型仅涉及两只股票。为了真正有用，该模型必须显着扩大以容纳更多的股票。增加股票数量使计算变得越来越复杂，需要具有数千个量子位的量子计算机。
经典计算机为股票相关性创建合成数据的能力是有限的，因为现实世界的用例需要太多具有复杂依赖关系的变量。
这项研究表明，具有少量量子位的俘获离子量子计算机上的生成学习算法可以胜过等效的经典生成学习。
IonQ、高盛和QC-Ware的研究
使用IonQ最新的量子计算硬件，高盛和QC-Ware联手将量子的边界推向了全新的领域。该团队展示了由QC-Ware开发的量子算法，用于在IonQ最近发布的离子阱量子处理单元 (QPU) 的上进行蒙特卡罗模拟。量子蒙特卡罗方法在计算金融问题中的应用一直是之前几篇研究论文的主题。该研究涉及将量子蒙特卡罗应用于特定的金融问题，例如简单期权定价和信用风险计算。
根据IonQ的说法，其新QPU的保真度和吞吐量比当前一代量子处理器高一个数量级。在其新闻稿中，IonQ的首席执行官兼总裁Peter Chapman 强调了结合使用最先进的硬件和一流的量子算法的重要性。
在公布的结果中，量子研究人员还将该项目的成功归功于IonQ量子硬件的高保真度。研究人员还表示，他们使用云上可用的其他量子系统尝试了类似的实验，但获得了“相当糟糕的结果”。
预计量子计算机不仅会对蒙特卡洛模拟产生重大影响，还会对科学和工程的其他领域产生重大影响。研究展示的蒙特卡罗模拟对于风险和衍生品定价领域的融资尤其重要，例如期权。有人估计衍生品市场的价值超过1000亿美元。
Monte Carlo模拟通常在经典计算机上运行，并且需要多次运行该算法才能获得具有可接受精度的估计答案。当大型容错量子计算机可用时，它将显着减少为包含大量变量的复杂蒙特卡罗问题获得解决方案所需的时间。可以通过增加样本数量来提高估计答案的精度。例如，要将经典计算机的答案精度提高一个数量级，需要将采样增加100倍。对于同等精度，量子计算机只需要采样增加10倍。而在金融领域，时间是一种重要的商品。在股票和期权等快速变化的大型市场中，几秒钟可能意味着盈利或亏损之间的差异。
文：保罗·史密斯·古德森
编译：王珩
编辑：慕一
标签：IonQ,计算机,AI,研究,Ware,数据,量子 来源： https://blog.csdn.net/Qforepost/article/details/120545729
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。