Coantum Deep Hedging - Plato AiStream V2.1

بازنشر افلاطون

دنبال: 0

الامین شرات^1,2, اسنهال راج¹, یوردانیس کرنیدیس^1,2، آبیشک شکر³، بن وود³، جان دی³, شووانیک چاکرابارتی⁴, ریچارد چن⁴, دیلن هرمان⁴, شائوهان هو⁴, پیر مینسن⁴, روسلان شایدولین⁴, یو سان⁴, رومینا یالوتزکی⁴و مارکو پیستویا⁴

¹ابزار کنترل کیفیت
²دانشگاه پاریس، CNRS، IRIF
³تحقیقات کمی، جی پی مورگان چیس
⁴تحقیقات کاربردی فناوری جهانی، JPMorgan Chase

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

یادگیری ماشین کوانتومی این پتانسیل را دارد که تأثیری دگرگون کننده در سراسر بخش های صنعت و به ویژه در امور مالی داشته باشد. در کار خود ما به مشکل پوشش ریسک نگاه می کنیم که در آن یادگیری تقویتی عمیق یک چارچوب قدرتمند برای بازارهای واقعی ارائه می دهد. ما روش‌های یادگیری تقویت کوانتومی را بر اساس الگوریتم‌های جستجوی خط‌مشی و عامل منتقد توزیعی توسعه می‌دهیم که از معماری‌های شبکه عصبی کوانتومی با لایه‌های متعامد و مرکب برای توابع خط‌مشی و ارزش استفاده می‌کنند. ما ثابت می‌کنیم که شبکه‌های عصبی کوانتومی که استفاده می‌کنیم قابل آموزش هستند و شبیه‌سازی‌های گسترده‌ای انجام می‌دهیم که نشان می‌دهد مدل‌های کوانتومی می‌توانند تعداد پارامترهای قابل آموزش را کاهش دهند و در عین حال به عملکرد قابل مقایسه دست می‌یابند و رویکرد توزیعی نسبت به سایر روش‌های استاندارد، چه کلاسیک و چه کوانتومی، عملکرد بهتری دارد. . ما مدل‌های پیشنهادی را با موفقیت روی یک پردازنده کوانتومی یونی به دام افتاده، با استفاده از مدارهایی با کیوبیت‌های 16 دلاری، پیاده‌سازی کردیم و عملکردی را مشاهده کردیم که به خوبی با شبیه‌سازی بدون نویز مطابقت دارد. تکنیک‌های کوانتومی ما عمومی هستند و می‌توانند برای سایر مشکلات یادگیری تقویتی فراتر از پوشش‌دهی به کار روند.

► داده های BibTeX

@article{Cherrat2023quantumdeephedging, doi = {10.22331/q-2023-11-29-1191}, url = {https://doi.org/10.22331/q-2023-11-29-1191}, title = {Quantum {D}eep {H}edging}, author = {Cherrat, El Amine and Raj, Snehal and Kerenidis, Iordanis and Shekhar, Abhishek and Wood, Ben and Dee, Jon and Chakrabarti, Shouvanik and Chen, Richard and Herman, Dylan and Hu, Shaohan and Minssen, Pierre and Shaydulin, Ruslan and Sun, Yue and Yalovetzky, Romina and Pistoia, Marco}, journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pages = {1191}, month = nov, year = {2023} }

◄ مراجع

[1] هانس بولر، لوکاس گونون، جوزف تیچمن و بن وود. "پرچین عمیق". مالی کمی 19، 1271-1291 (2019). آدرس اینترنتی: https://doi.org/10.1080/14697688.2019.1571683.
https://doi.org/10.1080/14697688.2019.1571683

[2] هانس بولر، لوکاس گونون، یوزف تیچمن، بن وود، بارانیداران موهان و جاناتان کوچمز. پوشش عمیق: مصون سازی مشتقات تحت اصطکاک بازار عمومی با استفاده از یادگیری تقویتی. مجله الکترونیکی SSRN (2019). آدرس اینترنتی: http://dx.doi.org/10.2139/ssrn.3355706.
https://doi.org/10.2139/ssrn.3355706

[3] شیهائو گو، برایان تی کلی، و داچنگ شیو. "قیمت گذاری تجربی دارایی از طریق یادگیری ماشین". مجله الکترونیکی SSRN (2018). آدرس اینترنتی: http://dx.doi.org/10.2139/ssrn.3159577.
https://doi.org/10.2139/ssrn.3159577

[4] هیونگ کیو چوی. «پیش‌بینی ضریب همبستگی قیمت سهام با مدل هیبریدی ARIMA-LSTM» (2018). آدرس اینترنتی: https://doi.org/10.48550/arXiv.1808.01560.
https://doi.org/10.48550/arXiv.1808.01560

[5] یادا ژو، جیووانی مارانی، و جیانبو لی. "Pagan: تجزیه و تحلیل پورتفولیو با شبکه های دشمن مولد". SSRN Electronic Journal (2020). آدرس اینترنتی: https://dx.doi.org/10.2139/ssrn.3755355.
https://doi.org/10.2139/ssrn.3755355

[6] کانگ ژانگ، گوچیانگ ژونگ، جونیو دونگ، شنگکه وانگ و یونگ وانگ. "پیش بینی بازار سهام بر اساس شبکه مخالف مولد". Procedia Computer Science 147, 400–406 (2019). آدرس اینترنتی: https://doi.org/10.1016/j.procs.2019.01.256.
https://doi.org/10.1016/j.procs.2019.01.256

[7] آلوارو کارتیا، سباستین جیمونگال و لئاندرو سانچز بتانکور. "یادگیری تقویتی عمیق برای تجارت الگوریتمی". SSRN Electronic Journal (2021). آدرس اینترنتی: https://dx.doi.org/10.2139/ssrn.3812473.
https://doi.org/10.2139/ssrn.3812473

[8] یو دنگ، فنگ بائو، یویونگ کنگ، ژی کوان رن و کیونگهای دای. "یادگیری تقویت مستقیم عمیق برای بازنمایی و معاملات سیگنال مالی". معاملات IEEE در شبکه های عصبی و سیستم های یادگیری 28، 653-664 (2017). آدرس اینترنتی: https://doi.org/10.1109/TNNLS.2016.2522401.
https://doi.org/10.1109/TNNLS.2016.2522401

[9] یونچائو لیو، سرینیواسان آروناچلام، و کرستان تممه. "یک افزایش سرعت کوانتومی دقیق و قوی در یادگیری ماشینی نظارت شده". Nature Physics 2021 17:9 17, 1013–1017 (2021). آدرس اینترنتی: https://doi.org/10.1038/s41567-021-01287-z.
https://doi.org/10.1038/s41567-021-01287-z

[10] شانتاناو چاکرابورتی، آندراس گیلین و استیسی جفری. «قدرت قدرت‌های ماتریس کدگذاری شده با بلوک: تکنیک‌های رگرسیون بهبودیافته از طریق شبیه‌سازی سریع‌تر همیلتونی». در کریستل بایر، یوآنیس شاتزیگیاناکیس، پائولا فلوکینی، و استفانو لئوناردی، ویراستاران، چهل و ششمین کنفرانس بین‌المللی اتومات، زبان‌ها و برنامه‌نویسی (ICALP 46). جلد 2019 مجموعه مقالات بین المللی لایبنیتس در انفورماتیک (LIPIcs)، صفحات 132:33-1:33. داگستول، آلمان (14). Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik. آدرس اینترنتی: https://doi.org/2019/LIPIcs.ICALP.10.4230.
https://doi.org/10.4230/LIPIcs.ICALP.2019.33

[11] آندرس گیلین، سرینیواسان آروناچلام و ناتان ویبه. "بهینه سازی الگوریتم های بهینه سازی کوانتومی از طریق محاسبات شیب کوانتومی سریعتر". در مجموعه مقالات سمپوزیوم سالانه ACM-SIAM 2019 در مورد الگوریتم های گسسته (SODA). صفحات 1425-1444. (2019). آدرس اینترنتی: https://doi.org/10.1137/1.9781611975482.87.
https://doi.org/10.1137/1.9781611975482.87

[12] مارکو سرزو، اندرو آراسمیت، رایان بابوش، سایمون سی. بنجامین، سوگورو اندو، کیسوکه فوجی، جارود آر. مک کلین، کوسوکه میتارای، شیائو یوان، لوکاس سینسیو و پاتریک جی کولز. الگوریتم های کوانتومی متغیر Nature Reviews Physics 3، 625–644 (2021). آدرس اینترنتی: https://doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[13] یوردانیس کرنیدیس، آنوپام پراکاش و دانیل سیلاگی. الگوریتم های کوانتومی برای بهینه سازی پورتفولیو در مجموعه مقالات اولین کنفرانس ACM در مورد پیشرفت در فناوری های مالی. صفحات 1-147. زوریخ سوئیس (155). ACM. آدرس اینترنتی: https://doi.org/2019/10.1145.
https://doi.org/10.1145/3318041.3355465

[14] لوکاس لکلرک، لوئیس اورتیز-گویتیرز، سباستین گریجالوا، بوریس آلبرشت، جولیا آر.کی کلین، وینسنت الفوینگ، آدرین سیگنولز، لوئیک هنریت، جیانی دل بیمبو، عثمان ایوب شیخ، میتری شاه، لوک آندریا، فایسال آندوئل دیگل ایشتیاق، ایرنه کاسرس، میشل کورک، رومان اروس، اشرف سدیک، اومایما حمامی، هاسن ایسلنانه و دیدیه امتامون. "مدیریت ریسک مالی بر روی یک پردازنده کوانتومی اتم خنثی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2212.03223.
https://doi.org/10.48550/arXiv.2212.03223

[15] دیمیتریوس امانولوپولوس و سوفیا دیموسکا. "یادگیری ماشین کوانتومی در امور مالی: پیش بینی سری های زمانی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2202.00599.
https://doi.org/10.48550/arXiv.2202.00599

[16] پاتریک ربنتروست، براجش گوپت و توماس آر. بروملی. "مالی محاسباتی کوانتومی: قیمت گذاری مونت کارلو مشتقات مالی". بررسی فیزیکی A 98, 022321 (2018). آدرس اینترنتی: https://doi.org/10.1103/PhysRevA.98.022321.
https://doi.org/10.1103/PhysRevA.98.022321

[17] ژائو اف. دوریگولو، الساندرو لونگو، جینگه بائو، پاتریک ربنتروست، و میکلوس سانتا. "الگوریتم کوانتومی برای مسائل توقف بهینه تصادفی با برنامه های کاربردی در امور مالی". در فرانسوا لو گال و تومویوکی موریما، ویراستاران، هفدهمین کنفرانس تئوری محاسبات کوانتومی، ارتباطات و رمزنگاری (TQC 17). جلد 2022 مجموعه مقالات بین المللی لایبنیتس در انفورماتیک (LIPIcs)، صفحات 232:2-1:2. داگستول، آلمان (24). Schloss Dagstuhl – Leibniz-Zentrum für Informatik. آدرس اینترنتی: https://doi.org/2022/LIPIcs.TQC.10.4230.
https://doi.org/10.4230/LIPIcs.TQC.2022.2

[18] پرادیپ نیرولا، روسلان شایدولین، رومینا یالووتزکی، پیر مینسن، دیلان هرمان، شائوهان هو و مارکو پیستویا. "بهینه سازی کوانتومی محدود برای خلاصه سازی استخراجی در یک کامپیوتر کوانتومی یون به دام افتاده". گزارش های علمی 12 (2022). آدرس اینترنتی: https://doi.org/10.1038/s41598-022-20853-w.
https://doi.org/10.1038/s41598-022-20853-w

[19] الکساندر منارد، ایوان استوجیچ، مارک پاتل و دانیل ولز. "طرح بازی برای محاسبات کوانتومی". فصلنامه مک کینزی (2020). آدرس اینترنتی: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-game-plan-for-quantum-computing.
https://www.mckinsey.com/capabilities/

[20] دیلان هرمان، کودی گوگین، شیائویان لیو، الکسی گالدا، ایلیا سافرو، یو سان، مارکو پیستویا و یوری الکسیف. "بررسی محاسبات کوانتومی برای امور مالی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2201.02773.
https://doi.org/10.48550/arXiv.2201.02773

[21] Jarrod R. McClean، Sergio Boixo، Vadim N. Smelyanskiy، Ryan Babbush و Hartmut Neven. "فلات های بی حاصل در مناظر آموزشی شبکه عصبی کوانتومی". Nature Communications 9, 4812 (2018). آدرس اینترنتی: https://doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[22] یوردانیس کرنیدیس، جوناس لندمن و ناتانش ماتور. "الگوریتم های کلاسیک و کوانتومی برای شبکه های عصبی متعامد" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2106.07198.
https://doi.org/10.48550/arXiv.2106.07198

[23] زبین یانگ، آیجون ژانگ و آگوس سوجیانتو. "افزایش قابلیت توضیح شبکه های عصبی از طریق محدودیت های معماری". معاملات IEEE در شبکه های عصبی و سیستم های یادگیری 32، 2610-2621 (2021). آدرس اینترنتی: https://doi.org/10.1109/TNNLS.2020.3007259.
https://doi.org/10.1109/TNNLS.2020.3007259

[24] Shuai Li، Kui Jia، Yuxin Wen، Tongliang Liu و Dacheng Tao. "شبکه های عصبی عمیق متعامد". معاملات IEEE در تحلیل الگو و هوش ماشینی 43، 1352-1368 (2021). آدرس اینترنتی: https://doi.org/10.1109/TPAMI.2019.2948352.
https://doi.org/10.1109/TPAMI.2019.2948352

[25] الحسین فوزی، متی بالوگ، آجا هوانگ، توماس هوبرت، برناردینو رومرا-پاردس، محمدامین بارکاتین، الکساندر نوویکوف، فرانسیسکو جی آر رویز، جولیان شریتویزر، گرزگورز سویرشچ، دیوید سیلور، دمیس حسابیس و پوشمت کوهلی. "کشف الگوریتم های ضرب ماتریس سریعتر با یادگیری تقویتی". Nature 610, 47-53 (2022). آدرس اینترنتی: https://doi.org/10.1038/s41586-022-05172-4.
https://doi.org/10.1038/s41586-022-05172-4

[26] کلر لایل، مارک جی بلمار و پابلو ساموئل کاسترو. "تحلیل مقایسه ای یادگیری تقویتی مورد انتظار و توزیعی". مجموعه مقالات کنفرانس AAAI در مورد هوش مصنوعی 33، 4504–4511 (2019). آدرس اینترنتی: https://doi.org/10.1609/aaai.v33i01.33014504.
https://doi.org/10.1609/aaai.v33i01.33014504

[27] "کوانتینیوم H1-1، H1-2". https://www.quantinuum.com/ (2022). بازدید: 15-22 نوامبر 2022; 7 تا 12 دسامبر 2022.
https://www.quantinuum.com/

[28] دانیل جی براد. "شبیه سازی کلاسیک کارآمد مدارهای کبریت گیت با ورودی ها و اندازه گیری های تعمیم یافته". بررسی فیزیکی A 93 (2016). آدرس اینترنتی: https://doi.org/10.1103/physreva.93.062332.
https://doi.org/10.1103/physreva.93.062332

[29] متیو ال. گو، مارتین لاروکا، لوکاس سینسیو، ام. سرزو، و فردریک سوواژ. "شبیه سازی های کلاسیک دروغ-جبری برای محاسبات کوانتومی متغیر" (2023). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2308.01432.
https://doi.org/10.48550/arXiv.2308.01432

[30] میکال اوزمانیچ، نینات دانگنیام، مائورو ای اس مورالس و زولتان زیمبوراس. "نمونه برداری فرمیون: یک طرح مزیت محاسباتی کوانتومی قوی با استفاده از اپتیک خطی فرمیونی و حالت های ورودی جادویی". PRX Quantum 3 (2022). آدرس اینترنتی: https://doi.org/10.1103/PRXQuantum.3.020328.
https://doi.org/10.1103/PRXQuantum.3.020328

[31] مایکل ای. نیلسن و آیزاک ال. چوانگ. "محاسبات کوانتومی و اطلاعات کوانتومی: نسخه 10th Anniversary". انتشارات دانشگاه کمبریج. (2012). 1 نسخه. آدرس اینترنتی: https://doi.org/10.1017/CBO9780511976667.
https://doi.org/10.1017/CBO9780511976667

[32] RS Sutton و AG Barto. "یادگیری تقویتی: مقدمه". معاملات IEEE در شبکه های عصبی 9، 1054-1054 (1998). آدرس اینترنتی: https://doi.org/10.1109/TNN.1998.712192.
https://doi.org/10.1109/TNN.1998.712192

[33] کای آرولکوماران، مارک پیتر دیزنروث، مایلز براندیج و آنیل آنتونی بهارات. "یادگیری تقویتی عمیق: یک بررسی مختصر". مجله پردازش سیگنال IEEE 34، 26-38 (2017). آدرس اینترنتی: https://doi.org/10.1109/MSP.2017.2743240.
https://doi.org/10.1109/MSP.2017.2743240

[34] مگنوس ویزه، لیانجون بای، بن وود و هانس بولر. "حفاظت عمیق: آموزش شبیه سازی بازارهای اختیار سهام". SSRN Electronic Journal (2019). آدرس اینترنتی: https://dx.doi.org/10.2139/ssrn.3470756.
https://doi.org/10.2139/ssrn.3470756

[35] هانس بولر، فیلیپ موری، میکو اس. پاککانن و بن وود. "حفاظت عمیق: یادگیری حذف دریفت تحت اصطکاک معاملاتی با حداقل اقدامات معادل نزدیک به مارتینگل" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2111.07844.
https://doi.org/10.48550/arXiv.2111.07844

[36] مگنوس ویزه، بن وود، الکساندر پاچود، رالف کورن، هانس بولر، موری فیلیپ و لیانجون بای. "شبیه سازی بازار چند دارایی نقطه ای و اختیاری". SSRN Electronic Journal (2021). آدرس اینترنتی: https://dx.doi.org/10.2139/ssrn.3980817.
https://doi.org/10.2139/ssrn.3980817

[37] فیلیپ موری، بن وود، هانس بولر، مگنوس ویزه و میکو پاکانن. "هدینگ عمیق: یادگیری تقویتی مستمر برای پوشش دهی پرتفوی های عمومی در برابر ریسک گریزی های متعدد". در مجموعه مقالات سومین کنفرانس بین المللی ACM در مورد هوش مصنوعی در امور مالی. صفحه 361-368. ICAIF '22نیویورک، نیویورک، ایالات متحده آمریکا (2022). انجمن ماشین های محاسباتی. آدرس اینترنتی: https://doi.org/10.1145/3533271.3561731.
https://doi.org/10.1145/3533271.3561731

[38] کوسوکه میتارای، ماکوتو نگورو، ماساهیرو کیتاگاوا و کیسوکه فوجی. "یادگیری مدار کوانتومی". بررسی فیزیکی A 98, 032309 (2018). آدرس اینترنتی: https://doi.org/10.1103/PhysRevA.98.032309.
https://doi.org/10.1103/PhysRevA.98.032309

[39] دیلان هرمان، رودی ریموند، مویون لی، نیکلاس روبلز، آنتونیو مزاکاپو و مارکو پیستویا. بیانگر یادگیری ماشین کوانتومی متغیر در مکعب بولی (2022). آدرس اینترنتی: https://doi.org/10.1109/TQE.2023.3255206.
https://doi.org/10.1109/TQE.2023.3255206

[40] ادوارد فرهی و هارتموت نون. "طبقه بندی با شبکه های عصبی کوانتومی در پردازنده های نزدیک". گزارش فنی. وب علوم باز (2020). آدرس اینترنتی: https://doi.org/10.48550/arXiv.1802.06002.
https://doi.org/10.48550/arXiv.1802.06002

[41] آدریان پرز-سالیناس، آلبا سرورا-لیرتا، الیز گیل-فوستر، و خوزه آی. لاتوره. "بارگذاری مجدد داده ها برای طبقه بندی کننده کوانتومی جهانی". Quantum 4, 226 (2020). آدرس اینترنتی: https://doi.org/10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226

[42] جوناس لندمن، ناتانش ماتور، یون یوونا لی، مارتین استرام، اسکندر کازداغلی، آنوپام پراکاش و یوردانیس کرنیدیس. "روش های کوانتومی برای شبکه های عصبی و کاربرد در طبقه بندی تصاویر پزشکی". Quantum 6, 881 (2022). آدرس اینترنتی: https://doi.org/10.22331/q-2022-12-22-881.
https://doi.org/10.22331/q-2022-12-22-881

[43] مارچلو بندیتی، دلفینا گارسیا-پینتوس، اسکار پردومو، ویسنته لیتون-اورتگا، یونسئونگ نام و آلخاندرو پردومو-اورتیز. "رویکرد مدلسازی مولد برای محک زدن و آموزش مدارهای کوانتومی کم عمق". npj Quantum Information 5, 45 (2019). آدرس اینترنتی: https://doi.org/10.1038/s41534-019-0157-8.
https://doi.org/10.1038/s41534-019-0157-8

[44] مارچلو بندیتی، برایان کویل، ماتیا فیورنتینی، مایکل لوباش و ماتیاس روزنکرانز. "استنتاج متغیر با یک کامپیوتر کوانتومی". بررسی فیزیکی اعمال شده 16، 044057 (2021). آدرس اینترنتی: https://doi.org/10.1103/PhysRevApplied.16.044057.
https://doi.org/10.1103/PhysRevApplied.16.044057

[45] نیکو مایر، کریستین اوفرشت، مانیرامان پریاسامی، دانیل دی. شرر، اکسل پلینج و کریستوفر موچلر. "نظرسنجی در مورد یادگیری تقویتی کوانتومی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2211.03464.
https://doi.org/10.48550/arXiv.2211.03464

[46] Vojtěch Havlíček، Antonio D. Córcoles، Kristan Temme، Aram W. Harrow، Abhinav Kandala، Jerry M. Chow و Jay M. Gambetta. "یادگیری تحت نظارت با فضاهای ویژگی های پیشرفته کوانتومی". Nature 567, 209–212 (2019). آدرس اینترنتی: https://doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2

[47] ماریا شولد، رایان سوکه و یوهانس یاکوب مایر. "تأثیر رمزگذاری داده ها بر قدرت بیان مدل های کوانتومی-ماشین-یادگیری متغیر". بررسی فیزیکی A 103, 032430 (2021). آدرس اینترنتی: https://doi.org/10.1103/PhysRevA.103.032430.
https://doi.org/10.1103/PhysRevA.103.032430

[48] فرانسیسکو خاویر گیل ویدال و دیرک الیور تیس. افزونگی ورودی برای مدارهای کوانتومی پارامتریزه شده مرزها در فیزیک 8، 297 (2020). آدرس اینترنتی: https://doi.org/10.3389/fphy.2020.00297.
https://doi.org/10.3389/fphy.2020.00297

[49] ال امین چرات، یوردانیس کرنیدیس، ناتانش ماتور، جوناس لندمن، مارتین استرام و یون ایونا لی. ترانسفورماتورهای بینایی کوانتومی (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2209.08167.
https://doi.org/10.48550/arXiv.2209.08167

[50] ماریا شولد، ویل برگهولم، کریستین گوگولین، جاش ایزاک و ناتان کیلوران. "ارزیابی گرادیان های تحلیلی بر روی سخت افزار کوانتومی". بررسی فیزیکی A 99, 032331 (2019). آدرس اینترنتی: https://doi.org/10.1103/PhysRevA.99.032331.
https://doi.org/10.1103/PhysRevA.99.032331

[51] یوردانیس کرنیدیس. روشی برای بارگذاری داده های کلاسیک در حالت های کوانتومی برای کاربردهای در یادگیری ماشین و بهینه سازی. درخواست ثبت اختراع ایالات متحده (2020). آدرس اینترنتی: https://patents.google.com/patent/US20210319350A1.
https://patents.google.com/patent/US20210319350A1

[52] سونیکا جوهری، شانتانو دبنات، آویناش موچرلا، الکساندروس سینگ، آنوپام پراکاش، یونگ سانگ کیم و یوردانیس کرنیدیس. "نزدیک ترین طبقه بندی مرکز در یک کامپیوتر کوانتومی یونی به دام افتاده". npj Quantum Information 7, 122 (2021). آدرس اینترنتی: https://doi.org/10.1038/s41534-021-00456-5.
https://doi.org/10.1038/s41534-021-00456-5

[53] یوردانیس کرنیدیس و آنوپام پراکاش. "یادگیری ماشین کوانتومی با حالات زیرفضایی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2202.00054.
https://doi.org/10.48550/arXiv.2202.00054

[54] آشیش واسوانی، نوام شزیر، نیکی پارمار، یاکوب اوسکوریت، لیون جونز، آیدان ان گومز، لوکاس قیصر و ایلیا پولوسوکین. "توجه تنها چیزی است که نیاز دارید". در I. Guyon، U. Von Luxburg، S. Bengio، H. Wallach، R. Fergus، S. Vishwanathan و R. Garnett، ویراستاران، پیشرفت‌ها در سیستم‌های پردازش اطلاعات عصبی. جلد 30. Curran Associates, Inc. (2017). آدرس اینترنتی: https://doi.org/10.48550/arXiv.1706.03762.
https://doi.org/10.48550/arXiv.1706.03762

[55] مارتین لاروکا، فردریک سوواژ، فارس ام. صباحی، گیوم وردون، پاتریک جی کولز و ام. سرزو. "یادگیری ماشین کوانتومی گروهی ثابت". PRX Quantum 3, 030341 (2022). آدرس اینترنتی: https://doi.org/10.1103/PRXQuantum.3.030341.
https://doi.org/10.1103/PRXQuantum.3.030341

[56] Jiayao Zhang، Guangxu Zhu، Robert W. Heath Jr. و Kaibin Huang. "یادگیری گراسمن: تعبیه آگاهی هندسه در یادگیری کم عمق و عمیق" (2018). آدرس اینترنتی: https://doi.org/10.48550/arXiv.1808.02229.
https://doi.org/10.48550/arXiv.1808.02229

[57] شوچن یو، شووانیک چاکرابارتی، و شیائودی وو. "یک نظریه همگرایی برای حل ویژه کوانتومی متغیر بیش از حد پارامتر" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2205.12481.
https://doi.org/10.48550/arXiv.2205.12481

[58] مارتین لاروکا، ناتان جو، دیگو گارسیا مارتین، پاتریک جی کولز و ام. سرزو. "نظریه فراپارامتریزاسیون در شبکه های عصبی کوانتومی" (2021). آدرس اینترنتی: https://doi.org/10.1038/s43588-023-00467-6.
https://doi.org/10.1038/s43588-023-00467-6

[59] مارتین لاروکا، پیوتر چارنیک، کونال شارما، گوپیکریشنان مورالیدهران، پاتریک جی کولز و مارکو سرزو. "تشخیص فلات های بایر با ابزارهایی از کنترل بهینه کوانتومی". Quantum 6, 824 (2022). آدرس اینترنتی: https://doi.org/10.22331/q-2022-09-29-824.
https://doi.org/10.22331/q-2022-09-29-824

[60] بنوا کالینز و پیوتر سونیادی. "ادغام با توجه به معیار هار در گروه واحد، متعامد و نمادین". ارتباطات در فیزیک ریاضی 264، 773-795 (2006). آدرس اینترنتی: https://doi.org/10.1007/s00220-006-1554-3.
https://doi.org/10.1007/s00220-006-1554-3

[61] انریکو فونتانا، دیلان هرمان، شووانیک چاکرابارتی، نیراج کومار، رومینا یالووتزکی، جیمی هرج، شری هاری سورشبابو و مارکو پیستویا. "The Adjoint تنها چیزی است که شما نیاز دارید: مشخص کردن فلات های بی حاصل در کوانتوم آنتسه" (2023). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2309.07902.
https://doi.org/10.48550/arXiv.2309.07902

[62] مایکل راگون، بوژکو ن. باکالوف، فردریک سوواژ، الکساندر اف. کمپر، کارلوس اورتیز ماررو، مارتین لاروکا و ام. سرزو. "نظریه یکپارچه فلات های بی حاصل برای مدارهای کوانتومی پارامتری عمیق" (2023). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2309.09342.
https://doi.org/10.48550/arXiv.2309.09342

[63] لئو مونبروسو، یوناس لندمن، الکس بی گریلو، رومن کوکلا و الهام کاشفی. "آموزش پذیری و بیان مدارهای کوانتومی حفظ وزن همینگ برای یادگیری ماشین" (2023). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2309.15547.
https://doi.org/10.48550/arXiv.2309.15547

[64] کاینینگ ژانگ، لیو لیو، مین هسیو هسیه و داچنگ تائو. «فرار از فلات بی‌ثمر از طریق راه‌اندازی‌های گاوسی در مدارهای کوانتومی متغیر عمیق» (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2203.09376.
https://doi.org/10.48550/arXiv.2203.09376

[65] اوون لاکوود و می سی. «بازی آتاری با یادگیری تقویتی ترکیبی کوانتومی-کلاسیک» (2021). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2107.04114.
https://doi.org/10.48550/arXiv.2107.04114

[66] ساموئل ین-چی چن، چائو هان هاک یانگ، جون چی، پین یو چن، شیائولی ما، و هسی-شنگ گوان. "مدارهای کوانتومی متغیر برای یادگیری تقویتی عمیق". دسترسی IEEE 8، 141007–141024 (2020). آدرس اینترنتی: https://doi.org/10.1109/ACCESS.2020.3010470.
https://doi.org/10.1109/ACCESS.2020.3010470

[67] اوون لاکوود و می سی. "یادگیری تقویتی با مدار متغیر کوانتومی". مجموعه مقالات کنفرانس AAAI در مورد هوش مصنوعی و سرگرمی های دیجیتال تعاملی 16، 245-251 (2020). آدرس اینترنتی: https://doi.org/10.1609/aiide.v16i1.7437.
https://doi.org/10.1609/aiide.v16i1.7437

[68] یونسئوک کواک، وون جون یون، سویی جونگ، جونگ کوک کیم و جونگهون کیم. "مقدمه ای بر یادگیری تقویتی کوانتومی: تئوری و پیاده سازی مبتنی بر PennyLane". در سال 2021 کنفرانس بین المللی همگرایی فناوری اطلاعات و ارتباطات (ICTC). صفحات 416–420. جزیره ججو، کره، جمهوری (2021). IEEE. آدرس اینترنتی: https://doi.org/10.1109/ICTC52510.2021.9620885.
https://doi.org/10.1109/ICTC52510.2021.9620885

[69] سوفینه جربی، کاسپر گیوریک، سیمون مارشال، هانس بریگل و ودران دانکو. "سیاست های کوانتومی پارامتری برای یادگیری تقویتی". در M. Ranzato، A. Beygelzimer، Y. Dauphin، PS Liang، و J. Wortman Vaughan، ویراستاران، پیشرفت‌ها در سیستم‌های پردازش اطلاعات عصبی. جلد 34، صفحات 28362–28375. Curran Associates, Inc. (2021). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2103.05577.
https://doi.org/10.48550/arXiv.2103.05577

[70] جن-یوئه هسیائو، یوشوان دو، وی-ین چیانگ، مین-هسیو هسیه و هسی-شنگ گوان. «عوامل یادگیری تقویت‌ناپذیر کوانتومی در سالن ورزشی OpenAI» (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2203.14348.
https://doi.org/10.48550/arXiv.2203.14348

[71] الامین چرات، یوردانیس کرنیدیس، و آنوپام پراکاش. "یادگیری تقویت کوانتومی از طریق تکرار خط مشی". هوش ماشین کوانتومی 5، 30 (2023). آدرس اینترنتی: https://doi.org/10.1007/s42484-023-00116-1.
https://doi.org/10.1007/s42484-023-00116-1

[72] دائوچن وانگ، آرتی ساندارام، رابین کوتاری، آشیش کاپور و مارتین روتلر. الگوریتم های کوانتومی برای یادگیری تقویتی با مدل مولد در کنفرانس بین المللی یادگیری ماشین. صفحات 10916–10926. PMLR (2021). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2112.08451.
https://doi.org/10.48550/arXiv.2112.08451

[73] سوفینه جربی، آریان کورنلیسن، ماریس اوزولز و ودران دونژکو. "الگوریتم های گرادیان خط مشی کوانتومی" (2022). آدرس اینترنتی: https://doi.org/10.48550/arXiv.2212.09328.
https://doi.org/10.48550/arXiv.2212.09328

[74] آریان کورنلیسن. "تخمین شیب کوانتومی و کاربرد آن در یادگیری تقویتی کوانتومی". پایان نامه کارشناسی ارشد (2018). آدرس اینترنتی: http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e.
http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e

[75] هانشنگ جیانگ، زو جون مکس شن و جونیو لیو. "روش های محاسبات کوانتومی برای مدیریت زنجیره تامین". در سال 2022 هفتمین سمپوزیوم IEEE/ACM در محاسبات لبه (SEC). صفحات 7–400. سیاتل، WA، ایالات متحده آمریکا (405). IEEE. آدرس اینترنتی: https://doi.org/2022/SEC10.1109.
https://doi.org/10.1109/SEC54971.2022.00059

[76] مارک جی بلمار، ویل دابنی و رمی مونوس. "دیدگاه توزیعی در یادگیری تقویتی". در مجموعه مقالات سی و چهارمین کنفرانس بین المللی یادگیری ماشین - جلد 34. صفحات 70-449. ICML'458Sydney، NSW، استرالیا (17). JMLR.org. آدرس اینترنتی: https://doi.org/2017/arXiv.10.48550.
https://doi.org/10.48550/arXiv.1707.06887

[77] ویل دابنی، مارک رولند، مارک بلمار و رمی مونوس. "یادگیری تقویتی توزیعی با رگرسیون کمی". مجموعه مقالات کنفرانس AAAI در مورد هوش مصنوعی 32 (2018). آدرس اینترنتی: https://doi.org/10.1609/aaai.v32i1.11791.
https://doi.org/10.1609/aaai.v32i1.11791

[78] ماتیاس سی کارو و ایشان داتا. "شبه بعد مدارهای کوانتومی". هوش ماشین کوانتومی 2 (2020). آدرس اینترنتی: https://doi.org/10.1007/s42484-020-00027-5.
https://doi.org/10.1007/s42484-020-00027-5

[79] هانس بولر، موری فیلیپ و بن وود. "Deep Bellman Hedging". SSRN Electronic Journal (2022). آدرس اینترنتی: https://dx.doi.org/10.2139/ssrn.4151026.
https://doi.org/10.2139/ssrn.4151026

[80] تان نگوین تانگ، سونیل گوپتا و سوتا ونکاتش. "یادگیری تقویتی توزیعی از طریق تطبیق لحظه". مجموعه مقالات کنفرانس AAAI در مورد هوش مصنوعی 35، 9144-9152 (2021). آدرس اینترنتی: https://doi.org/10.1609/aaai.v35i10.17104.
https://doi.org/10.1609/aaai.v35i10.17104

ذکر شده توسط

[1] انریکو فونتانا، دیلان هرمان، شووانیک چاکرابارتی، نیراج کومار، رومینا یالووتزکی، جیمی هرج، شری هاری سورشبابو و مارکو پیستویا، "The Adjoint is all you need: Karaktering Barren Plateaos in Quantum Ansätze". arXiv: 2309.07902, (2023).

[2] دیلان هرمان، کودی گوگین، شیائویان لیو، یو سان، الکسی گالدا، ایلیا سافرو، مارکو پیستویا و یوری الکسیف، "محاسبات کوانتومی برای امور مالی". Nature Reviews Physics 5 8, 450 (2023).

[3] الکساندر سدیخ، مانیاد پوداپاکا، آسل ساگینگالیوا، کاران پینتو، مارکوس پفلیچ، و الکسی ملنیکوف، "شبکه های عصبی ترکیبی کوانتومی با اطلاعات فیزیک برای شبیه سازی دینامیک سیالات محاسباتی در اشکال پیچیده". arXiv: 2304.11247, (2023).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-11-29 13:34:05). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

واکشی نشد داده های استناد شده متقاطع در آخرین تلاش 2023-11-29 13:34:04: داده های استناد شده برای 10.22331/q-2023-11-29-1191 از Crossref دریافت نشد. اگر DOI اخیراً ثبت شده باشد، طبیعی است.

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-11-29-1191/

تمبر زمان: نوامبر 29، 2023

تمبر زمان: سپتامبر 11، 2023

پوشش عمیق کوانتومی

بازنشر افلاطون

چکیده

► داده های BibTeX

◄ مراجع

ذکر شده توسط

بیشتر از مجله کوانتومی

یک بازی از مزیت کوانتومی: تایید پیوند و شبیه سازی

یادگیری قوی و کارآمد همیلتونی

رمزگشای خودکار سلولی برای کد رنگی متناسب با نویز

الگوریتم زیر چند جمله ای زمان برای انرژی آزاد سیستم های کوانتومی یک بعدی در حد ترمودینامیکی

محدودیت‌های تکامل کوتاه‌مدت همیلتونی‌های محلی

رمزگذاری بهینه اسیلاتورها به اسیلاتورهای بیشتر

فضای هیلبرت مصنوعی الکترون های آزاد لیزری

فعال کردن مکانیسم چند برنامه‌نویسی برای محاسبات کوانتومی در عصر NISQ

مدارهای کوانتومی جهانی برای شیمی کوانتومی

اشکال زدایی مدار کوانتومی و تحلیل حساسیت از طریق وارونگی های محلی

LIMDD: نمودار تصمیم گیری برای شبیه سازی محاسبات کوانتومی شامل حالات تثبیت کننده

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب