量子ディープヘッジ

【1] ハンス・ビューラー、ルーカス・ゴノン、ヨーゼフ・タイヒマン、ベン・ウッド。 「ディープヘッジ」。 定量的ファイナンス 19、1271–1291 (2019)。 URL: https://doi.org/10.1080/14697688.2019.1571683。
https：/ / doi.org/ 10.1080 / 14697688.2019.1571683

【2] ハンス・ビューラー、ルーカス・ゴノン、ヨーゼフ・タイヒマン、ベン・ウッド、バラニダラン・モハン、ジョナサン・コッヘムス。 「ディープヘッジ: 強化学習を使用した一般的な市場摩擦の下でのデリバティブのヘッジ」。 SSRN 電子ジャーナル (2019)。 URL: http://dx.doi.org/10.2139/ssrn.3355706。
https：/ / doi.org/ 10.2139 / ssrn.3355706

【3] Shihao Gu、ブライアン・T・ケリー、Dacheng Xiu。 「機械学習による経験的な資産価格設定」。 SSRN 電子ジャーナル (2018)。 URL: http://dx.doi.org/10.2139/ssrn.3159577。
https：/ / doi.org/ 10.2139 / ssrn.3159577

【4] チェ・ヒョンギュさん。 「ARIMA-LSTMハイブリッドモデルによる株価相関係数予測」（2018年） URL: https://doi.org/10.48550/arXiv.1808.01560。
https：/ / doi.org/ 10.48550 / arXiv.1808.01560

【5] ヤダ・ジュー、ジョバンニ・マリアーニ、ジャンボ・リー。 「Pagan: 敵対的生成ネットワークによるポートフォリオ分析」。 SSRN 電子ジャーナル (2020)。 URL: https://dx.doi.org/10.2139/ssrn.3755355。
https：/ / doi.org/ 10.2139 / ssrn.3755355

【6] Kang Zhang、Guoqiang Zhong、Junyu Dong、Shengke Wang、Yong Wang。 「敵対的生成ネットワークに基づく株式市場予測」。 プロセディア コンピュータ サイエンス 147、400–406 (2019)。 URL: https://doi.org/10.1016/j.procs.2019.01.256。
https:/ / doi.org/ 10.1016/ j.procs.2019.01.256

【7] アルバロ・カルテア、セバスティアン・ハイムンガル、レアンドロ・サンチェス＝ベタンクール。 「アルゴリズム取引のための深層強化学習」。 SSRN 電子ジャーナル (2021)。 URL: https://dx.doi.org/10.2139/ssrn.3812473。
https：/ / doi.org/ 10.2139 / ssrn.3812473

【8] Yue Deng、Feng Bao、Youyong Kong、Zhiquan Ren、Qionghai Dai。 「金融シグナル表現と取引のための深層直接強化学習」。 ニューラル ネットワークと学習システムに関する IEEE トランザクション 28、653–664 (2017)。 URL: https://doi.org/10.1109/TNNLS.2016.2522401。
https:/ / doi.org/ 10.1109/ TNNLS.2016.2522401

【9] ユンチャオ・リウ、スリニヴァサン・アルナーチャラム、クリスタン・テンメ。 「教師あり機械学習における厳密かつ堅牢な量子高速化」。 Nature Physics 2021 17:9 17、1013–1017 (2021)。 URL: https://doi.org/10.1038/s41567-021-01287-z。
https：/ / doi.org/ 10.1038 / s41567-021-01287-z

【10] シャンタナフ・チャクラボルティ、アンドラーシュ・ギレン、ステイシー・ジェフリー。 「ブロックエンコードされた行列のパワーのパワー: より高速なハミルトニアン シミュレーションによる回帰手法の改善」。 第 46 回オートマタ、言語、およびプログラミングに関する国際コロキウム (ICALP 2019) の編集者、Christel Baier、Ioannis Chatzigiannakis、Paola Flocchini、Stefano Leonardi より。 ライプニッツ国際情報学会議 (LIPIcs) の第 132 巻、33:1 ～ 33:14 ページ。 ダグシュトゥール、ドイツ（2019年）。 ダグシュトゥール ライプニッツ ツェントルム情報センター。 URL: https://doi.org/10.4230/LIPIcs.ICALP.2019.33。
https：/ / doi.org/ 10.4230 / LIPIcs.ICALP.2019.33

【11] アンドラーシュ・ギレン、スリニヴァサン・アルナーチャラム、ネイサン・ウィーブ。 「より高速な量子勾配計算による量子最適化アルゴリズムの最適化」。 離散アルゴリズム (SODA) に関する 2019 年の ACM-SIAM 年次シンポジウムの議事録。 1425 ～ 1444 ページ。 （2019年）。 URL: https://doi.org/10.1137/1.9781611975482.87。
https：/ / doi.org/ 10.1137 / 1.9781611975482.87

【12] マルコ・セレッソ、アンドリュー・アラスミス、ライアン・バブッシュ、サイモン・C・ベンジャミン、遠藤傑、藤井圭介、ジャロッド・R・マクリーン、御手洗康介、シャオ・ユアン、ルカシュ・シンシオ、パトリック・J・コールズ。 「変分量子アルゴリズム」。 Nature Reviews Physics 3、625–644 (2021)。 URL: https://doi.org/10.1038/s42254-021-00348-9。
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

【13] ヨルダニス・ケレニディス、アヌパム・プラカシュ、ダニエル・シラージ。 「ポートフォリオ最適化のための量子アルゴリズム」。 金融テクノロジーの進歩に関する第 1 回 ACM 会議の議事録。 147 ～ 155 ページ。 スイスのチューリッヒ（2019年）。 ACM。 URL: https://doi.org/10.1145/3318041.3355465。
https：/ / doi.org/ 10.1145 / 3318041.3355465

【14] ルーカス・ルクレール、ルイス・オルティス＝グイティエレス、セバスティアン・グリハルバ、ボリス・アルブレヒト、ジュリア・R・K・クライン、ヴィンセント・エルフビング、エイドリアン・シニョレス、ロイック・ヘンリエット、ジャンニ・デル・ビンボ、ウスマン・アユブ・シェイク、マイトリー・シャー、リュック・アンドレア、ファイサル・イシ​​ュティアク、アンドニ・ドゥアルテ、サミュエル・ムゲル、イレーネ・カセレス、ミシェル・クレック、ロマン・オルス、アクラフ・セディク、ウマイマ・ハマミ、ハセン・イッセルナン、ディディエ・ムタモン。 「ニュートラル原子量子プロセッサ上の財務リスク管理」(2022)。 URL: https://doi.org/10.48550/arXiv.2212.03223。
https：/ / doi.org/ 10.48550 / arXiv.2212.03223

【15] ディミトリオス・エマノロプロスとソフィア・ディモスカ。 「金融における量子機械学習: 時系列予測」(2022)。 URL: https://doi.org/10.48550/arXiv.2202.00599。
https：/ / doi.org/ 10.48550 / arXiv.2202.00599

【16] パトリック・レベントロスト、ブラジェシュ・グプト、トーマス・R・ブロムリー。 「量子計算ファイナンス: 金融デリバティブのモンテカルロ価格設定」。 フィジカル レビュー A 98、022321 (2018)。 URL: https://doi.org/10.1103/PhysRevA.98.022321。
https：/ / doi.org/ 10.1103 / PhysRevA.98.022321

【17] ジョアン・F・ドリゲロ、アレッサンドロ・ルオンゴ、ジンゲ・バオ、パトリック・レベントロスト、ミクロス・サンタ。 「金融アプリケーションにおける確率的最適停止問題のための量子アルゴリズム」。 フランソワ・ル・ガル氏と森前知之氏、編集者、第 17 回量子計算、通信、暗号理論に関する会議 (TQC 2022)。 Leibniz International Proceedings in Informatics (LIPIcs) の第 232 巻、2:1 ～ 2:24 ページ。 ダグシュトゥール、ドイツ（2022年）。 Schloss Dagstuhl – Leibniz-Zentrum für Informatik。 URL: https://doi.org/10.4230/LIPIcs.TQC.2022.2。
https：/ / doi.org/ 10.4230 / LIPIcs.TQC.2022.2

【18] プラディープ・ニルーラ、ルスラン・シェイドゥリン、ロミナ・ヤロベツキー、ピエール・ミンセン、ディラン・ハーマン、シャオハン・フー、マルコ・ピストイア。 「トラップイオン量子コンピュータでの抽出的要約のための制約付き量子最適化」。 Scientific Reports 12 (2022)。 URL: https://doi.org/10.1038/s41598-022-20853-w。
https：/ / doi.org/ 10.1038 / s41598-022-20853-w

【19] アレクサンドル・メナール、イヴァン・オストジッチ、マーク・パテル、ダニエル・ヴォルツ。 「量子コンピューティングのゲームプラン」。 マッキンゼー季刊誌 (2020)。 URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-game-plan-for-quantum-computing。
https:/ / www.mckinsey.com/ capabilities/ mckinsey-digital/ our-insights/ a-game-plan-for-quantum-computing

【20] ディラン・ハーマン、コディ・グーギン、シャオユアン・リウ、アレクセイ・ガルダ、イリヤ・サフロ、ユエ・サン、マルコ・ピストイア、ユーリ・アレクセーエフ。 「金融のための量子コンピューティングに関する調査」(2022)。 URL: https://doi.org/10.48550/arXiv.2201.02773。
https：/ / doi.org/ 10.48550 / arXiv.2201.02773

【21] ジャロッド・R・マクリーン、セルジオ・ボイショ、ヴァディム・N・スメリャンスキー、ライアン・バブシュ、ハルトムート・ネヴェン。 「量子ニューラルネットワークのトレーニング風景における不毛の台地」。 Nature Communications 9、4812 (2018)。 URL: https://doi.org/10.1038/s41467-018-07090-4。
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

【22] ヨルダニス・ケレニディス、ジョナス・ランドマン、ナタンシュ・マトゥール。 「直交ニューラル ネットワークのための古典的および量子アルゴリズム」(2022)。 URL: https://doi.org/10.48550/arXiv.2106.07198。
https：/ / doi.org/ 10.48550 / arXiv.2106.07198

【23] ゼビン・ヤン、アイジュン・チャン、アグス・スジャント。 「アーキテクチャ制約によるニューラル ネットワークの説明可能性の強化」。 ニューラル ネットワークと学習システムに関する IEEE トランザクション 32、2610–2621 (2021)。 URL: 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、Dachen Tao。 「直交ディープニューラルネットワーク」。 パターン分析とマシン インテリジェンスに関する IEEE トランザクション 43、1352–1368 (2021)。 URL: https://doi.org/10.1109/TPAMI.2019.2948352。
https：/ / doi.org/ 10.1109 / TPAMI.2019.2948352

【25] アルフセイン・ファウジ、マテイ・バログ、アジャ・ファン、トーマス・ヒューバート、ベルナルディーノ・ロメラ＝パレデス、モハマダミン・バレカティン、アレクサンダー・ノヴィコフ、フランシスコ・JR・ルイス、ジュリアン・シュリットヴィーザー、グジェゴシュ・スヴィルシュチュ、デビッド・シルバー、デミス・ハサビス、プッシュミート・コーリ。 「強化学習によるより高速な行列乗算アルゴリズムの発見」。 Nature 610、47–53 (2022)。 URL: https://doi.org/10.1038/s41586-022-05172-4。
https:/​/​doi.org/​10.1038/​s41586-022-05172-4

【26] クレア・ライル、マーク・G・ベルマーレ、パブロ・サミュエル・カストロ。 「期待強化学習と分布強化学習の比較分析」。 人工知能に関する AAAI 会議議事録 33、4504–4511 (2019)。 URL: https://doi.org/10.1609/aaai.v33i01.33014504。
https：/ / doi.org/ 10.1609 / aaai.v33i01.33014504

【27] 「クォンティニウム H1-1、H1-2」。 https://www.quantinuum.com/ (2022)。 アクセス日: 15 年 22 月 2022 ～ 7 日。 12年2022月XNUMX日からXNUMX日まで。
https:// / www.quantinuum.com/

【28] ダニエル・J・ブロード「一般化された入力と測定を使用したマッチゲート回路の効率的な古典的シミュレーション」。 フィジカルレビュー A 93 (2016)。 URL: https://doi.org/10.1103/physreva.93.062332。
https：/ / doi.org/ 10.1103 / physreva.93.062332

【29] マシュー・L・ゴー、マーティン・ラロッカ、ルカシュ・シンシオ、M・セレッソ、フレデリック・ソバージュ。 「変分量子コンピューティングのためのリー代数古典シミュレーション」(2023)。 URL: https://doi.org/10.48550/arXiv.2308.01432。
https：/ / doi.org/ 10.48550 / arXiv.2308.01432

【30] ミハウ・オズマニエツ、ニンナット・ダンニャム、マウロ・ES・モラレス、ゾルタン・ジンボラス。 「フェルミオン サンプリング: フェルミオン線形光学と魔法の入力状態を使用した、堅牢な量子計算上の利点スキーム」。 PRX クアンタム 3 (2022)。 URL: https://doi.org/10.1103/PRXQuantum.3.020328。
https：/ / doi.org/ 10.1103 / PRXQuantum.3.020328

【31] マイケル・A・ニールセンとアイザック・L・チュアン。 「量子計算と量子情報：10周年記念版」。 ケンブリッジ大学出版局。 （2012年）。 1版。 URL: https://doi.org/10.1017/CBO9780511976667。
https：/ / doi.org/ 10.1017 / CBO9780511976667

【32] RSサットンとAGバルト。 「強化学習: 入門」。 IEEE Transactions on Neural Networks 9、1054–1054 (1998)。 URL: https://doi.org/10.1109/TNN.1998.712192。
https：/ / doi.org/ 10.1109 / TNN.1998.712192

【33] カイ・アルルクマラン、マーク・ピーター・ダイゼンロート、マイルズ・ブランデージ、アニル・アンソニー・バラス。 「深層強化学習: 簡単な調査」。 IEEE 信号処理マガジン 34、26 ～ 38 (2017)。 URL: https://doi.org/10.1109/MSP.2017.2743240。
https：/ / doi.org/ 10.1109 / MSP.2017.2743240

【34] マグヌス・ヴィーゼ、リアンジュン・バイ、ベン・ウッド、ハンス・ビューラー。 「ディープヘッジ: 株式オプション市場のシミュレーション方法を学ぶ」。 SSRN 電子ジャーナル (2019)。 URL: https://dx.doi.org/10.2139/ssrn.3470756。
https：/ / doi.org/ 10.2139 / ssrn.3470756

【35] ハンス・ビューラー、フィリップ・マレー、ミッコ・S・パッカネン、ベン・ウッド。 「ディープヘッジ: 最小限の等価近マーチンゲール法による取引摩擦の下でのドリフトを除去する方法を学ぶ」(2022)。 URL: https://doi.org/10.48550/arXiv.2111.07844。
https：/ / doi.org/ 10.48550 / arXiv.2111.07844

【36] マグナス・ヴィーゼ、ベン・ウッド、アレクサンドル・パショー、ラルフ・コーン、ハンス・ビューラー、マレー・フィリップ、リアンジュン・バイ。 「マルチアセットスポットおよびオプション市場シミュレーション」。 SSRN 電子ジャーナル (2021)。 URL: https://dx.doi.org/10.2139/ssrn.3980817。
https：/ / doi.org/ 10.2139 / ssrn.3980817

【37] フィリップ・マレー、ベン・ウッド、ハンス・ビューラー、マグヌス・ヴィーゼ、ミッコ・パッカネン。 「ディープヘッジ: 複数のリスク回避にわたる一般的なポートフォリオのヘッジのための継続的強化学習」。 金融における AI に関する第 361 回 ACM 国際会議の議事録。 368 ～ 22 ページ。 ICAIF '2022米国ニューヨーク州ニューヨーク（10.1145）。 コンピューティング機械協会。 URL: https://doi.org/3533271.3561731/XNUMX。
https：/ / doi.org/ 10.1145 / 3533271.3561731

【38] 御手洗康介、根来誠、北川雅博、藤井啓介。 「量子回路学習」。 フィジカル レビュー A 98、032309 (2018)。 URL: https://doi.org/10.1103/PhysRevA.98.032309。
https：/ / doi.org/ 10.1103 / PhysRevA.98.032309

【39] ディラン・ハーマン、ルディ・レイモンド、ムユアン・リー、ニコラス・ロブレス、アントニオ・メッツァカーポ、マルコ・ピストイア。 「ブールキューブ上の変分量子機械学習の表現力」(2022)。 URL: https://doi.org/10.1109/TQE.2023.3255206。
https：/ / doi.org/ 10.1109 / TQE.2023.3255206

【40] エドワード・ファーヒとハルトムット・ネヴェン。 「短期プロセッサ上の量子ニューラルネットワークによる分類」。 テクニカルレポート。 オープンサイエンスのウェブ (2020)。 URL: https://doi.org/10.48550/arXiv.1802.06002。
https：/ / doi.org/ 10.48550 / arXiv.1802.06002

【41] アドリアン・ペレス＝サリナス、アルバ・セルベラ＝リエルタ、エリエス・ジル＝ファスター、ホセ・I・ラトーレ。 「ユニバーサル量子分類器のデータの再アップロード」。 量子 4、226 (2020)。 URL: https://doi.org/10.22331/q-2020-02-06-226。
https:/​/​doi.org/​10.22331/​q-2020-02-06-226

【42] ジョナス・ランドマン、ナタンシュ・マトゥール、ユン・イヴォナ・リー、マーティン・ストラム、スカンデル・カズダグリ、アヌパム・プラカシュ、ヨルダニス・ケレニディス。 「ニューラルネットワークの量子手法と医用画像分類への応用」。 クォンタム 6、881 (2022)。 URL: https://doi.org/10.22331/q-2022-12-22-881。
https:/​/​doi.org/​10.22331/​q-2022-12-22-881

【43] マルチェロ・ベネデッティ、デルフィナ・ガルシア＝ピントス、オスカル・ペルドモ、ビセンテ・レイトン＝オルテガ、ユンソン・ナム、アレハンドロ・ペルドモ＝オルティス。 「浅い量子回路のベンチマークとトレーニングのための生成モデリング アプローチ」。 npj 量子情報 5, 45 (2019). URL: https://doi.org/10.1038/s41534-019-0157-8。
https:/​/​doi.org/​10.1038/​s41534-019-0157-8

【44] マルチェロ・ベネデッティ、ブライアン・コイル、マッティア・フィオレンティーニ、ミハエル・ルバシュ、マティアス・ローゼンクランツ。 「量子コンピュータによる変分推論」。 Physical Review Applied 16、044057 (2021)。 URL: https://doi.org/10.1103/PhysRevApplied.16.044057。
https：/ / doi.org/ 10.1103 / PhysRevApplied.16.044057

【45] ニコ・マイヤー、クリスチャン・ウフレヒト、マニラマン・ペリヤサミ、ダニエル・D・シェラー、アクセル・プリンゲ、クリストファー・ムシュラー。 「量子強化学習に関する調査」（2022年）。 URL: https://doi.org/10.48550/arXiv.2211.03464。
https：/ / doi.org/ 10.48550 / arXiv.2211.03464

【46] ヴォイチェフ・ハヴリーチェク、アントニオ・D・コルコレス、クリスタン・テンメ、アラム・W・ハロウ、アビナブ・カンダラ、ジェリー・M・チョウ、ジェイ・M・ガンベッタ。 「量子強化特徴空間による教師あり学習」。 Nature 567、209–212 (2019)。 URL: https://doi.org/10.1038/s41586-019-0980-2。
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

【47] マリア・シュルド、ライアン・スウェク、ヨハネス・ヤコブ・マイヤー。 「変分量子機械学習モデルの表現力に対するデータエンコーディングの影響」。 フィジカルレビュー A 103、032430 (2021)。 URL: https://doi.org/10.1103/PhysRevA.103.032430。
https：/ / doi.org/ 10.1103 / PhysRevA.103.032430

【48] フランシスコ・ハビエル・ジル・ビダルとダーク・オリバー・タイス。 「パラメータ化された量子回路の入力冗長性」。 物理学のフロンティア 8、297 (2020)。 URL: https://doi.org/10.3389/fphy.2020.00297。
https：/ / doi.org/ 10.3389 / fphy.2020.00297

【49] エル・アミン・チェラット、ヨルダニス・ケレニディス、ナタンシュ・マトゥール、ジョナス・ランドマン、マーティン・ストラム、ユン・イヴォナ・リー。 「クォンタム ビジョン トランスフォーマー」（2022）。 URL: https://doi.org/10.48550/arXiv.2209.08167。
https：/ / doi.org/ 10.48550 / arXiv.2209.08167

【50] マリア・シュルド、ヴィル・ベルグホルム、クリスチャン・ゴゴリン、ジョシュ・アイザック、ネイサン・キローラン。 「量子ハードウェア上の解析勾配の評価」。 フィジカル レビュー A 99、032331 (2019)。 URL: https://doi.org/10.1103/PhysRevA.99.032331。
https：/ / doi.org/ 10.1103 / PhysRevA.99.032331

【51] ヨルダニス・ケレニディス。 「機械学習と最適化におけるアプリケーションのために、古典的なデータを量子状態にロードする方法」。 米国特許出願 (2020)。 URL: https://patents.google.com/patent/US20210319350A1。
https:/ / patents.google.com/ patent/ US20210319350A1

【52] ソニカ・ジョーリ、シャンタヌ・デブナス、アヴィナシュ・モチェラ、アレクサンドロス・シンク、アヌパム・プラカシュ、ジュンサン・キム、ヨルダニス・ケレニディス。 「トラップされたイオン量子コンピュータ上の最近傍重心分類」。 npj 量子情報 7, 122 (2021). URL: https://doi.org/10.1038/s41534-021-00456-5。
https:/​/​doi.org/​10.1038/​s41534-021-00456-5

【53] ヨルダニス・ケレニディスとアヌパム・プラカシュ。 「部分空間状態を使用した量子機械学習」(2022)。 URL: https://doi.org/10.48550/arXiv.2202.00054。
https：/ / doi.org/ 10.48550 / arXiv.2202.00054

【54] アシシュ・バスワニ、ノーム・シェイザー、ニキ・パーマー、ヤコブ・ウスコレイト、ライオン・ジョーンズ、エイダン・N・ゴメス、ルカシュ・カイザー、イリア・ポロスキン。 「必要なのは注意力だけです」。 I. Guyon、U. Von Luxburg、S. Bengio、H. Wallach、R. Fergus、S. Vishwanathan、および R. Garnett 編集者、『Advances in Neural Information Processing Systems』。 第 30 巻。カラン アソシエイツ株式会社 (2017)。 URL: https://doi.org/10.48550/arXiv.1706.03762。
https：/ / doi.org/ 10.48550 / arXiv.1706.03762

【55] マルティン・ラロッカ、フレデリック・ソバージュ、ファリス・M・スバヒ、ギョーム・ヴェルドン、パトリック・J・コールズ、M・セレッソ。 「グループ不変量子機械学習」。 PRX クアンタム 3、030341 (2022)。 URL: 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.、Kaibin Huang。 「グラスマニア学習: 浅い学習と深い学習に幾何学認識を埋め込む」 (2018)。 URL: https://doi.org/10.48550/arXiv.1808.02229。
https：/ / doi.org/ 10.48550 / arXiv.1808.02229

【57] Xuchen You、Shovanik Chakrabarti、Xiaodi Wu。 「過剰パラメータ化された変分量子固有ソルバーの収束理論」(2022)。 URL: https://doi.org/10.48550/arXiv.2205.12481。
https：/ / doi.org/ 10.48550 / arXiv.2205.12481

【58] マーティン・ラロッカ、ネイサン・ジュー、ディエゴ・ガルシア＝マルティン、パトリック・J・コールズ、M・セレッソ。 「量子ニューラルネットワークにおけるオーバーパラメータ化の理論」(2021)。 URL: https://doi.org/10.1038/s43588-023-00467-6。
https:/​/​doi.org/​10.1038/​s43588-023-00467-6

【59] マルティン・ラロッカ、ピョートル・チャルニク、クナル・シャルマ、ゴピクリシュナン・ムラリーダラン、パトリック・J・コールズ、マルコ・セレッソ。 「Quantum Optimal Control のツールを使用した不毛の台地の診断」。 クォンタム 6、824 (2022)。 URL: https://doi.org/10.22331/q-2022-09-29-824。
https:/​/​doi.org/​10.22331/​q-2022-09-29-824

【60] ブノワ・コリンズとピョートル・シュニアディ。 「ユニタリ群、直交群、シンプレクティック群に関するハール測度に関する統合」。 数理物理学におけるコミュニケーション 264、773–795 (2006)。 URL: https://doi.org/10.1007/s00220-006-1554-3。
https:/​/​doi.org/​10.1007/​s00220-006-1554-3

【61] エンリコ・フォンタナ、ディラン・ハーマン、シューヴァニク・チャクラバルティ、ニラージ・クマール、ロミナ・ヤロベツキー、ジェイミー・ヘレッジ、シュリー・ハリ・スレシュバブ、マルコ・ピストイア。 「必要なのは付属物だけ: 量子分析における不毛の高原の特徴づけ」 (2023)。 URL: https://doi.org/10.48550/arXiv.2309.07902。
https：/ / doi.org/ 10.48550 / arXiv.2309.07902

【62] マイケル・ラゴーネ、ボイコ・N・バカロフ、フレデリック・ソバージュ、アレクサンダー・F・ケンパー、カルロス・オルティス・マレーロ、マーティン・ラロッカ、M・セレッソ。 「深いパラメータ化された量子回路のための不毛な平原の統一理論」(2023)。 URL: https://doi.org/10.48550/arXiv.2309.09342。
https：/ / doi.org/ 10.48550 / arXiv.2309.09342

【63] レオ・モンブルスー、ジョナス・ランドマン、アレックス・B・グリロ、ロマン・ククラ、エルハム・カシェフィ。 「機械学習のためのハミング重み保存量子回路の訓練可能性と表現力」(2023)。 URL: https://doi.org/10.48550/arXiv.2309.15547。
https：/ / doi.org/ 10.48550 / arXiv.2309.15547

【64] Kaining Zhang、Liu Liu、Min-Hsiu Hsieh、Dachen Tao。 「深変分量子回路におけるガウス初期化による不毛の台地からの脱出」 (2022)。 URL: https://doi.org/10.48550/arXiv.2203.09376。
https：/ / doi.org/ 10.48550 / arXiv.2203.09376

【65] オーウェン・ロックウッドとメイ・シー。 「ハイブリッド量子古典強化学習によるアタリのプレイ」（2021）。 URL: https://doi.org/10.48550/arXiv.2107.04114。
https：/ / doi.org/ 10.48550 / arXiv.2107.04114

【66] サミュエル・イェンチー・チェン、チャオハン・ハク・ヤン、ジュン・チー、ピンユー・チェン、シャオリ・マー、シーシェン・ゴアン。 「深層強化学習のための変分量子回路」。 IEEE Access 8、141007–141024 (2020)。 URL: https://doi.org/10.1109/ACCESS.2020.3010470。
https：/ / doi.org/ 10.1109 / ACCESS.2020.3010470

【67] オーウェン・ロックウッドとメイ・シー。 「量子変分回路による強化学習」。 人工知能とインタラクティブ デジタル エンターテイメントに関する AAAI 会議議事録、16、245–251 (2020)。 URL: https://doi.org/10.1609/aiide.v16i1.7437。
https:/ / doi.org/ 10.1609/ aiide.v16i1.7437

【68] クァク・ユンソク、ユン・ウォン・ジュン、ジョン・ソイ、キム・ジョングク、キム・ジュンホン。 「量子強化学習の概要: 理論とペニーレーンベースの実装」。 2021 年に情報通信技術融合国際会議 (ICTC) が開催されます。 416 ～ 420 ページ。 韓国、済州島（2021）。 IEEE。 URL: https://doi.org/10.1109/ICTC52510.2021.9620885。
https:/ / doi.org/ 10.1109/ ICTC52510.2021.9620885

【69] ソフィーネ・ジェルビ、キャスパー・ギュリク、サイモン・マーシャル、ハンス・ブリーゲル、ベドラン・ドゥニコ。 「強化学習のためのパラメータ化された量子ポリシー」。 M. Ranzato、A. Beygelzimer、Y. Dauphin、PS Liang、および J. Wortman Vaughan 編集者、『Advances in Neural Information Processing Systems』。 34 巻、28362 ～ 28375 ページ。 カランアソシエイツ株式会社（2021）。 URL: https://doi.org/10.48550/arXiv.2103.05577。
https：/ / doi.org/ 10.48550 / arXiv.2103.05577

【70] Jen-Yueh Hsiao、Yuxuan Du、Wei-ying Chiang、Min-Hsiu Hsieh、Hsi-Sheng Goan。 「OpenAI Gym でのもつれを解いた量子強化学習エージェント」(2022)。 URL: https://doi.org/10.48550/arXiv.2203.14348。
https：/ / doi.org/ 10.48550 / arXiv.2203.14348

【71] エル・アミン・チェラット、ヨルダニス・ケレニディス、アヌパム・プラカシュ。 「ポリシー反復による量子強化学習」。 量子機械インテリジェンス 5、30 (2023)。 URL: https://doi.org/10.1007/s42484-023-00116-1。
https:/​/​doi.org/​10.1007/​s42484-023-00116-1

【72] ダオチェン・ワン、アーティ・スンダラム、ロビン・コタリ、アシシュ・カプール、マーティン・ロッテラー。 「生成モデルを使用した強化学習のための量子アルゴリズム」。 機械学習に関する国際会議にて。 10916 ～ 10926 ページ。 PMLR (2021)。 URL: https://doi.org/10.48550/arXiv.2112.08451。
https：/ / doi.org/ 10.48550 / arXiv.2112.08451

【73] ソフィーネ・ジェルビ、アルジャン・コルネリッセン、マリス・オゾルス、ベドラン・ドゥニコ。 「量子政策勾配アルゴリズム」(2022)。 URL: https://doi.org/10.48550/arXiv.2212.09328。
https：/ / doi.org/ 10.48550 / arXiv.2212.09328

【74] アルジャン・コーネリッセン。 「量子勾配推定とその量子強化学習への応用」 修士論文（2018）。 URL: http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e。
http:/​/​resolver.tudelft.nl/​uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e

【75] Hansheng Jiang、Zuo-Jun Max Shen、Junyu Liu。 「サプライチェーン管理のための量子コンピューティング手法」。 2022 年、IEEE/ACM 第 7 回エッジ コンピューティング シンポジウム (SEC)。 400 ～ 405 ページ。 米国ワシントン州シアトル (2022 年)。 IEEE。 URL: https://doi.org/10.1109/SEC54971.2022.00059。
https:/ / doi.org/ 10.1109/ SEC54971.2022.00059

【76] マーク・G・ベルマーレ、ウィル・ダブニー、レミ・ムノス。 「強化学習に関する分散的な視点」。 第 34 回機械学習国際会議議事録 – 第 70 巻。449 ～ 458 ページ。 ICML'17 オーストラリア、ニューサウスウェールズ州シドニー (2017) JMLR.org。 URL: https://doi.org/10.48550/arXiv.1707.06887。
https：/ / doi.org/ 10.48550 / arXiv.1707.06887

【77] ウィル・ダブニー、マーク・ローランド、マーク・ベルマーレ、レミ・ムノス。 「分位回帰による分布強化学習」。 AAAI 人工知能会議議事録 32 (2018)。 URL: https://doi.org/10.1609/aaai.v32i1.11791。
https：/ / doi.org/ 10.1609 / aaai.v32i1.11791

【78] マティアス・C・カロとイショーン・ダッタ。 「量子回路の疑似次元」。 量子マシン インテリジェンス 2 (2020)。 URL: https://doi.org/10.1007/s42484-020-00027-5。
https:/​/​doi.org/​10.1007/​s42484-020-00027-5

【79] ハンス・ビューラー、マレー・フィリップ、ベン・ウッド。 「ディープベルマンヘッジ」。 SSRN 電子ジャーナル (2022)。 URL: https://dx.doi.org/10.2139/ssrn.4151026。
https：/ / doi.org/ 10.2139 / ssrn.4151026

【80] タイン・グエンタン、スニル・グプタ、スヴェサ・ヴェンカテシュ。 「モーメントマッチングによる分布強化学習」。 人工知能に関する AAAI 会議議事録 35、9144–9152 (2021)。 URL: https://doi.org/10.1609/aaai.v35i10.17104。
https：/ / doi.org/ 10.1609 / aaai.v35i10.17104