Quantum Deep Hedging - Plato AiStream V2.1

플라톤에 의해 재발행

팔로워 : 0

엘 아민 체라트^1,2, 스네할 라지¹, 요르다니스 케레니디스^1,2, 아비셰크 셰카르³, 벤 우드³, 존 디³, 쇼바닉 차크라바르티⁴, 리차드 첸⁴, 딜런 허먼⁴, 후 샤오한⁴, 피에르 민센⁴, 루슬란 셰이둘린⁴, 웨 선⁴, 로미나 얄로베츠키⁴및 마르코 피스토이아⁴

¹QC 도자기
²파리대학교, CNRS, IRIF
³정량적 연구, JPMorgan Chase
⁴글로벌 기술 응용 연구, JPMorgan Chase

이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.

추상

양자 기계 학습은 산업 부문, 특히 금융 전반에 걸쳐 혁신적인 영향을 미칠 수 있는 잠재력을 가지고 있습니다. 우리 연구에서는 심층 강화 학습이 실제 시장에 강력한 프레임워크를 제공하는 헤징 문제를 살펴봅니다. 우리는 정책 및 가치 기능을 위해 직교 및 복합 레이어가 있는 양자 신경망 아키텍처를 사용하는 정책 검색 및 분산 행위자-비평 알고리즘을 기반으로 하는 양자 강화 학습 방법을 개발합니다. 우리는 우리가 사용하는 양자 신경망이 훈련 가능하다는 것을 증명하고, 양자 모델이 비슷한 성능을 달성하면서 훈련 가능한 매개변수의 수를 줄일 수 있고, 분포 접근 방식이 고전 및 양자 모두의 다른 표준 접근 방식보다 더 나은 성능을 얻을 수 있음을 보여주는 광범위한 시뮬레이션을 수행합니다. . 우리는 최대 $16$ 큐비트 회로를 활용하여 이온 트랩 양자 프로세서에서 제안된 모델을 성공적으로 구현하고 무소음 시뮬레이션과 잘 일치하는 성능을 관찰했습니다. 우리의 양자 기술은 일반적이며 헤징 이외의 다른 강화 학습 문제에 적용될 수 있습니다.

► BibTeX 데이터

@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} }

► 참고 문헌

[1] 한스 뷸러(Hans Buehler), 루카스 고논(Lukas Gonon), 조셉 타이히만(Joseph Teichmann), 벤 우드(Ben Wood). “깊은 헤징”. 양적 금융 19, 1271–1291 (2019). URL: https://doi.org/10.1080/14697688.2019.1571683.
https : / /doi.org/ 10.1080 / 14697688.2019.1571683

[2] Hans Buehler, Lukas Gonon, Josef Teichmann, Ben Wood, Baranidharan Mohan 및 Jonathan Kochems. "심층 헤징: 강화 학습을 사용하여 일반적인 시장 마찰 하에서 파생상품 헤징". SSRN 전자저널(2019). URL: http:///dx.doi.org/10.2139/ssrn.3355706.
https : / /doi.org/ 10.2139 / ssrn.3355706

[3] 구시하오(Shihao Gu), 브라이언 T. 켈리(Bryan T. Kelly), 다청 슈(Dacheng Xiu). “머신러닝을 통한 경험적 자산 가격 책정”. SSRN 전자저널(2018). URL: http:///dx.doi.org/10.2139/ssrn.3159577.
https : / /doi.org/ 10.2139 / ssrn.3159577

[4] 최형규. “ARIMA-LSTM 하이브리드 모델을 이용한 주가 상관계수 예측”(2018). URL: https://doi.org/10.48550/arXiv.1808.01560.
https:///doi.org/10.48550/arXiv.1808.01560

[5] 야다 주(Yada Zhu), 조반니 마리아니(Giovanni Mariani), 지안보 리(Jianbo Li). “Pagan: 생성적 적대 네트워크를 이용한 포트폴리오 분석”. SSRN 전자저널(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 및 Yong Wang. “생성적 적대 네트워크 기반 주식시장 예측”. Procedia 컴퓨터 과학 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] 알바로 카르테아, 세바스티안 하이문갈, 레안드로 산체스-베탄쿠르. “알고리즘 거래를 위한 심층 강화 학습”. SSRN 전자저널(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 및 Qionghai Dai. “금융 신호 표현 및 거래를 위한 심층 직접 강화 학습”. 신경망 및 학습 시스템에 대한 IEEE 트랜잭션 28, 653–664(2017). URL: https://doi.org/10.1109/TNNLS.2016.2522401.
https://doi.org/10.1109/TNNNLS.2016.2522401

[9] 윤차오 리우(Yunchao Liu), 스리니바산 아루나찰람(Srinivasan Arunachalam), 크리스탄 테메(Kristan Temme). “지도 기계 학습의 엄격하고 강력한 양자 속도 향상”. 자연 물리학 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] Shantanav Chakraborty, András Gilyén 및 Stacey Jeffery. “블록 인코딩 매트릭스 거듭제곱의 힘: 더 빠른 해밀턴 시뮬레이션을 통한 향상된 회귀 기법”. Christel Baier, Ioannis Chatzigiannakis, Paola Flocchini 및 Stefano Leonardi는 제46회 Automata, 언어 및 프로그래밍에 관한 국제 콜로키움(ICALP 2019) 편집자입니다. Leibniz International Proceedings in Informatics(LIPIcs) 132권, 페이지 33:1–33:14. 독일 다그툴(2019). Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik. URL: https://doi.org/10.4230/LIPIcs.ICALP.2019.33.
https : / /doi.org/10.4230/LIPIcs.ICALP.2019.33

[11] 안드라스 길옌(András Gilyén), 스리니바산 아루나찰람(Srinivasan Arunachalam), 네이선 위베(Nathan Wiebe). “더 빠른 양자 기울기 계산을 통한 양자 최적화 알고리즘 최적화”. 이산 알고리즘(SODA)에 관한 2019 연례 ACM-SIAM 심포지엄 진행 중. 1425~1444페이지. (2019). URL: https://doi.org/10.1137/1.9781611975482.87.
https : / /doi.org/ 10.1137 / 1.9781611975482.87

[12] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio 및 Patrick J. Coles. “변이 양자 알고리즘”. 자연 리뷰 물리학 3, 625–644(2021). URL: https://doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[13] Iordanis Kerenidis, Anupam Prakash, Dániel Szilágyi. “포트폴리오 최적화를 위한 양자 알고리즘”. 금융 기술 발전에 관한 제1차 ACM 컨퍼런스 진행 중. 147~155페이지. 취리히 스위스(2019). ACM. URL: https://doi.org/10.1145/3318041.3355465.
https : / /doi.org/ 10.1145 / 3318041.3355465

[14] 루카스 르클레르, 루이스 오르티즈-귀티에레즈, 세바스티안 그리얄바, 보리스 알브레히트, 줄리아 R. K. 클라인, 빈센트 엘프빙, 아드리앙 시놀레스, 로익 헨리에, 지아니 델 빔보, 우스만 아유브 셰이크, 마이트리 샤, 루크 안드레아, 파이살 이슈티아크, 안도니 두아르테, 사무엘 무겔, Irene Caceres, Michel Kurek, Román Orús, Achraf Seddik, Oumaima Hammammi, Hacene Isselnane 및 Didier M'tamon. “중성원자 양자 프로세서의 금융 위험 관리”(2022). URL: https://doi.org/10.48550/arXiv.2212.03223.
https:///doi.org/10.48550/arXiv.2212.03223

[15] 디미트리오스 에마누로풀로스(Dimitrios Emmanoulopoulos)와 Sofija Dimoska. "금융 분야의 양자 기계 학습: 시계열 예측"(2022). URL: https://doi.org/10.48550/arXiv.2202.00599.
https:///doi.org/10.48550/arXiv.2202.00599

[16] 패트릭 레벤트로스트, 브라제시 굽트, 토마스 R. 브롬리. “양자 계산 금융: 금융 파생상품의 몬테카를로 가격 책정”. 실제 검토 A 98, 022321 (2018). URL: https://doi.org/10.1103/PhysRevA.98.022321.
https : / /doi.org/10.1103/ PhysRevA.98.022321

[17] João F. Doriguello, Alessandro Luongo, Jinge Bao, Patrick Rebentrost 및 Miklos Santha. "금융 응용 프로그램의 확률론적 최적 중지 문제에 대한 양자 알고리즘". François Le Gall과 Tomoyuki Morimae의 편집자, 양자 계산, 통신 및 암호화 이론에 관한 제17차 회의(TQC 2022). Leibniz International Proceedings in Informatics(LIPIcs) 232권, 페이지 2:1–2:24. 독일 다그툴(2022). 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] Pradeep Niroula, Ruslan Shaydulin, Romina Yalovetzky, Pierre Minssen, Dylan Herman, Shaohan Hu 및 Marco Pistoia. "이온 포획 양자 컴퓨터의 추출 요약을 위한 제한된 양자 최적화". 과학 보고서 12(2022). URL: https://doi.org/10.1038/s41598-022-20853-w.
https : / /doi.org/ 10.1038 / s41598-022-20853-w

[19] Alexandre Ménard, Ivan Ostojic, Mark Patel 및 Daniel Volz. “양자 컴퓨팅을 위한 게임 계획”. 맥킨지 분기별(2020). URL: https://www.mckinsey.com/capability/mckinsey-digital/our-insights/a-game-plan-for-퀀텀-컴퓨팅.
https://www.mckinsey.com/capability/mckinsey-digital/our-insights/a-game-plan-for-Quantum-computing

[20] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexey Galda, Ilya Safro, Yue Sun, Marco Pistoia 및 Yuri Alexeev. “금융을 위한 양자컴퓨팅에 관한 조사”(2022). URL: 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 및 Hartmut Neven. “양자 신경망 훈련 환경의 불모의 고원”. 네이처 커뮤니케이션즈 9, 4812(2018). URL: https://doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[22] Iordanis Kerenidis, Jonas Landman 및 Natansh Mathur. “직교 신경망을 위한 고전 및 양자 알고리즘”(2022). URL: https://doi.org/10.48550/arXiv.2106.07198.
https:///doi.org/10.48550/arXiv.2106.07198

[23] Zebin Yang, Aijun Zhang, Agus Sudjianto. "아키텍처 제약 조건을 통해 신경망의 설명 가능성 향상". 신경망 및 학습 시스템에 대한 IEEE 트랜잭션 32, 2610–2621(2021). URL: https://doi.org/10.1109/TNNLS.2020.3007259.
https://doi.org/10.1109/TNNNLS.2020.3007259

[24] Shuai Li, Kui Jia, Yuxin Wen, Tongliang Liu 및 Dacheng Tao. “직교 심층 신경망”. 패턴 분석 및 기계 지능에 관한 IEEE 거래 43, 1352–1368(2021). URL: https://doi.org/10.1109/TPAMI.2019.2948352.
https : / /doi.org/10.1109/ TPAMI.2019.2948352

[25] Alhussein Fawzi, Matej Balog, Aja Huang, Thomas Hubert, Bernardino Romera-Paredes, Mohammadamin Barekatain, Alexander Novikov, Francisco J. R. Ruiz, Julian Schrittwieser, Grzegorz Swirszcz, David Silver, Demis Hassabis 및 Pushmeet Kohli. "강화 학습을 통해 더 빠른 행렬 곱셈 알고리즘 발견". 자연 610, 47–53 (2022). URL: https://doi.org/10.1038/s41586-022-05172-4.
https://doi.org/10.1038/s41586-022-05172-4

[26] 클레어 라일, 마크 G. 벨레마레, 파블로 사무엘 카스트로. “기대 강화 학습과 분포 강화 학습의 비교 분석”. 인공 지능에 관한 AAAI 회의 간행물 33, 4504–4511(2019). URL: https://doi.org/10.1609/aaai.v33i01.33014504.
https : / / doi.org/ 10.1609 / aaai.v33i01.33014504

[27] “양자 H1-1, H1-2”. https:///www.Quantinuum.com/ (2022). 액세스 날짜: 15년 22월 2022~7일; 12년 2022월 XNUMX~XNUMX일.
https:///www.Quantinuum.com/

[28] 다니엘 J. 브로드. "일반화된 입력 및 측정을 사용한 매치게이트 회로의 효율적인 클래식 시뮬레이션". 물리적 검토 A 93(2016). URL: https://doi.org/10.1103/physreva.93.062332.
https : / /doi.org/10.1103/ physreva.93.062332

[29] Matthew L. Goh, Martin Larocca, Lukasz Cincio, M. Cerezo 및 Frédéric Sauvage. "변형 양자 컴퓨팅을 위한 거짓말 대수 고전 시뮬레이션"(2023). URL: https://doi.org/10.48550/arXiv.2308.01432.
https:///doi.org/10.48550/arXiv.2308.01432

[30] Michał Oszmaniec, Ninnat Dangniam, Mauro E.S. 모랄레스, 졸탄 짐보라스. "페르미온 샘플링: 페르미온 선형 광학 및 마법 입력 상태를 사용한 강력한 양자 계산 이점 체계". PRX 퀀텀 3(2022). URL: https://doi.org/10.1103/PRXQuantum.3.020328.
https : / / doi.org/ 10.1103 / PRXQuantum.3.020328

[31] 마이클 A. 닐슨과 아이작 L. 추앙. “양자 계산과 양자 정보: 10주년 기념판”. 케임브리지 대학 출판부. (2012). 1판. URL: https://doi.org/10.1017/CBO9780511976667.
https : / /doi.org/ 10.1017 / CBO9780511976667

[32] RS Sutton과 A.G. Barto. “강화 학습: 소개”. 신경망의 IEEE 트랜잭션 9, 1054–1054(1998). URL: https://doi.org/10.1109/TNN.1998.712192.
https : / /doi.org/10.1109/ TNN.1998.712192

[33] 카이 아룰쿠마란, 마크 피터 데이센로스, 마일스 브런디지, 아닐 앤서니 바라스. “심층 강화 학습: 간단한 설문조사”. IEEE 신호 처리 매거진 34, 26–38(2017). URL: https://doi.org/10.1109/MSP.2017.2743240.
https:// / doi.org/ 10.1109/ MSP.2017.2743240

[34] Magnus Wiese, Lianjun Bai, Ben Wood 및 Hans Buehler. “심층 헤징: 주식 옵션 시장 시뮬레이션 학습”. SSRN 전자저널(2019). URL: https://dx.doi.org/10.2139/ssrn.3470756.
https : / /doi.org/ 10.2139 / ssrn.3470756

[35] 한스 뷸러(Hans Buehler), 필립 머레이(Phillip Murray), 미코 S. 파카넨(Mikko S. Pakkanen), 벤 우드(Ben Wood). "심층 헤징: 마팅게일에 가까운 최소한의 조치를 사용하여 거래 마찰로 인한 드리프트를 제거하는 방법 학습"(2022). URL: https://doi.org/10.48550/arXiv.2111.07844.
https:///doi.org/10.48550/arXiv.2111.07844

[36] Magnus Wiese, Ben Wood, Alexandre Pachoud, Ralf Korn, Hans Buehler, Murray Phillip 및 Lianjun Bai. “다중 자산 현물 및 옵션 시장 시뮬레이션”. SSRN 전자저널(2021). URL: https://dx.doi.org/10.2139/ssrn.3980817.
https : / /doi.org/ 10.2139 / ssrn.3980817

[37] 필립 머레이, 벤 우드, 한스 뷸러, 매그너스 위즈, 미코 파카넨. “심층 헤징: 여러 위험 회피에 걸쳐 일반 포트폴리오를 헤징하기 위한 지속적인 강화 학습”. 금융 AI에 관한 제361차 ACM 국제 컨퍼런스 진행 중. 368~22페이지. ICAIF ’2022미국 뉴욕주 뉴욕(10.1145). 컴퓨팅 기계 협회. URL: https://doi.org/3533271.3561731/XNUMX.
https : / /doi.org/ 10.1145 / 3533271.3561731

[38] 미타라이 코스케, 네고로 마코토, 기타가와 마사히로, 후지이 케이스케. “양자회로학습”. 실제 검토 A 98, 032309 (2018). URL: https://doi.org/10.1103/PhysRevA.98.032309.
https : / /doi.org/10.1103/ PhysRevA.98.032309

[39] 딜런 허먼, 루디 레이먼드, 무위안 리, 니콜라스 로블레스, 안토니오 메자카포, 마르코 피스토이아. "부울 큐브에 대한 변이 양자 기계 학습의 표현성"(2022). URL: https://doi.org/10.1109/TQE.2023.3255206.
https : / / doi.org/ 10.1109 / TQE.2023.3255206

[40] 에드워드 파리(Edward Farhi)와 하트무트 네븐(Hartmut Neven). “단기 프로세서에서 양자 신경망을 사용한 분류”. 기술 보고서. 오픈사이언스웹(2020). URL: https://doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002

[41] Adrián Pérez-Salinas, Alba Cervera-Lierta, Elies Gil-Fuster, José I. Latorre. “보편적인 양자 분류기를 위한 데이터 재업로드”. 양자 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] Jonas Landman, Natansh Mathur, Yun Yvonna Li, Martin Strahm, Skander Kazdaghli, Anupam Prakash 및 Iordanis Kerenidis. “신경망을 위한 양자 방법 및 의료 영상 분류에 적용”. 양자 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] 마르첼로 베네데티, 델피나 가르시아-핀토스, 오스카 페르도모, 비센테 레이튼-오르테가, 남윤성, 알레한드로 페르도모-오르티즈. “얕은 양자 회로를 벤치마킹하고 훈련하기 위한 생성적 모델링 접근 방식”. npj 양자 정보 5, 45(2019). URL: https://doi.org/10.1038/s41534-019-0157-8.
https://doi.org/10.1038/s41534-019-0157-8

[44] 마르첼로 베네데티, 브라이언 코일, 마티아 피오렌티니, 마이클 루바쉬, 마티아스 로젠크란츠. “양자 컴퓨터를 이용한 변이 추론”. 물리적 검토 출원 16, 044057(2021). URL: https://doi.org/10.1103/PhysRevApplied.16.044057.
https : / /doi.org/10.1103/ PhysRevApplied.16.044057

[45] 니코 메이어, 크리스티안 우프레히트, 마니라만 페리야사미, 다니엘 D. 셰러, 악셀 플링, 크리스토퍼 무츨러. “양자 강화 학습에 관한 조사”(2022). URL: 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 및 Jay M. Gambetta. “양자 강화 기능 공간을 사용한 지도 학습”. 자연 567, 209–212 (2019). URL: https://doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2

[47] 마리아 슐드, 라이언 스웨크, 요하네스 야콥 마이어. “변형 양자 기계 학습 모델의 표현력에 대한 데이터 인코딩의 효과”. 실제 검토 A 103, 032430(2021). URL: https://doi.org/10.1103/PhysRevA.103.032430.
https : / /doi.org/10.1103/ PhysRevA.103.032430

[48] 프란시스코 하비에르 길 비달과 더크 올리버 테이스. “매개변수화된 양자 회로를 위한 입력 중복성”. 물리학의 프론티어 8, 297(2020). URL: https://doi.org/10.3389/fphy.2020.00297.
https : / /doi.org/ 10.3389 / fphy.2020.00297

[49] El Amine Cherrat, Iordanis Kerenidis, Natansh Mathur, Jonas Landman, Martin Strahm 및 Yun Yvonna Li. “양자 비전 트랜스포머”(2022). URL: https://doi.org/10.48550/arXiv.2209.08167.
https:///doi.org/10.48550/arXiv.2209.08167

[50] 마리아 슐드(Maria Schuld), 빌 버그홀름(Ville Bergholm), 크리스티안 고골린(Christian Gogolin), 조쉬 아이작(Josh Izaac), 네이선 킬로런(Nathan Killoran). “양자 하드웨어의 분석적 기울기 평가”. 실제 검토 A 99, 032331 (2019). URL: https://doi.org/10.1103/PhysRevA.99.032331.
https : / /doi.org/10.1103/ PhysRevA.99.032331

[51] 요르다니스 케레니디스. “기계 학습 및 최적화에 적용하기 위해 고전 데이터를 양자 상태로 로드하는 방법”. 미국 특허 출원(2020). URL: https://patents.google.com/patent/US20210319350A1.
https://patents.google.com/patent/US20210319350A1

[52] Sonika Johri, Shantanu Debnath, Avinash Mocherla, Alexandros Singk, Anupam Prakash, 김정상, Iordanis Kerenidis. "갇힌 이온 양자 컴퓨터의 가장 가까운 중심 분류". npj 양자 정보 7, 122(2021). URL: https://doi.org/10.1038/s41534-021-00456-5.
https://doi.org/10.1038/s41534-021-00456-5

[53] Iordanis Kerenidis와 Anupam Prakash. "부분 공간 상태를 사용한 양자 기계 학습"(2022). URL: https://doi.org/10.48550/arXiv.2202.00054.
https:///doi.org/10.48550/arXiv.2202.00054

[54] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Lukasz Kaiser 및 Illia Polosukhin. “당신이 필요로하는 것은 관심뿐입니다.” I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan 및 R. Garnett의 편집자는 신경 정보 처리 시스템의 발전입니다. 30권. Curran Associates, Inc.(2017). URL: https://doi.org/10.48550/arXiv.1706.03762.
https:///doi.org/10.48550/arXiv.1706.03762

[55] 마틴 라로카, 프레데릭 소바주, 패리스 M. 스바히, 기욤 베르동, 패트릭 J. 콜스, M. 세레조. “그룹 불변 양자 기계 학습”. PRX 양자 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. 및 Kaibin Huang. “Grassmannian 학습: 얕은 학습과 심층 학습에 기하학 인식 내장”(2018). URL: https://doi.org/10.48550/arXiv.1808.02229.
https:///doi.org/10.48550/arXiv.1808.02229

[57] Xuchen You, Shouvanik Chakrabarti, Xiaodi Wu. “과도하게 매개변수화된 변이 양자 고유 솔버를 위한 수렴 이론”(2022). URL: https://doi.org/10.48550/arXiv.2205.12481.
https:///doi.org/10.48550/arXiv.2205.12481

[58] 마틴 라로카, 네이선 주, 디에고 가르시아-마틴, 패트릭 J. 콜스, M. 세레소. “양자 신경망의 과잉 매개변수화 이론”(2021). URL: https://doi.org/10.1038/s43588-023-00467-6.
https://doi.org/10.1038/s43588-023-00467-6

[59] 마틴 라로카(Martin Larocca), 피오트르 차르닉(Piotr Czarnik), 쿠날 샤르마(Kunal Sharma), 고피크리슈난 무랄레다란(Gopikrishnan Muraleedharan), 패트릭 J. 콜스(Patrick J. Coles), 마르코 세레조(Marco Cerezo). "Quantum Optimal Control의 도구를 사용하여 불모의 고원 진단". 양자 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] 베누아 콜린스(Benoît Collins)와 피오트르 시니아디(Piotr Śniady). "단일형, 직교형 및 대칭형 그룹에 대한 Haar 측정과 관련된 통합". 수리 물리학 커뮤니케이션 264, 773–795 (2006). URL: https://doi.org/10.1007/s00220-006-1554-3.
https://doi.org/10.1007/s00220-006-1554-3

[61] 엔리코 폰타나, 딜런 허먼, 쇼바닉 차크라바티, 니라즈 쿠마르, 로미나 얄로베츠키, 제이미 헤리지, 슈리 하리 수레쉬바부, 마르코 피스토이아. "Adjoint가 필요한 전부입니다: Quantum Ansätze에서 불모의 고원 특성화"(2023). URL: https://doi.org/10.48550/arXiv.2309.07902.
https:///doi.org/10.48550/arXiv.2309.07902

[62] Michael Ragone, Bojko N. Bakalov, Frédéric Sauvage, Alexander F. Kemper, Carlos Ortiz Marrero, Martin Larocca 및 M. Cerezo. "심층 매개변수화된 양자 회로에 대한 불모의 고원에 대한 통합 이론"(2023). URL: https://doi.org/10.48550/arXiv.2309.09342.
https:///doi.org/10.48550/arXiv.2309.09342

[63] Léo Monbroussou, Jonas Landman, Alex B. Grilo, Romain Kukla 및 Elham Kashefi. "기계 학습을 위한 해밍 가중치 보존 양자 회로의 훈련 가능성 및 표현성"(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 및 Dacheng Tao. "심층 변이 양자 회로의 가우스 초기화를 통해 불모의 고원에서 탈출"(2022). URL: https://doi.org/10.48550/arXiv.2203.09376.
https:///doi.org/10.48550/arXiv.2203.09376

[65] 오웬 록우드와 메이시. "하이브리드 양자 고전 강화 학습으로 Atari 재생"(2021). URL: https://doi.org/10.48550/arXiv.2107.04114.
https:///doi.org/10.48550/arXiv.2107.04114

[66] Samuel Yen-Chi Chen, Chao-Han Huck Yang, Jun Qi, Pin-Yu Chen, Xiaoli Ma 및 Hsi-Sheng Goan. “심층 강화 학습을 위한 변형 양자 회로”. IEEE 액세스 8, 141007-141024(2020). URL: https://doi.org/10.1109/ACCESS.2020.3010470.
https : / /doi.org/10.1109/ ACCESS.2020.3010470

[67] 오웬 록우드와 메이시. “양자변이회로를 이용한 강화학습”. 인공 지능 및 대화형 디지털 엔터테인먼트에 관한 AAAI 회의 간행물 16, 245–251(2020). URL: https://doi.org/10.1609/aiide.v16i1.7437.
https:///doi.org/10.1609/aiide.v16i1.7437

[68] 곽윤석, 윤원준, 정소이, 김종국, 김중헌. “양자 강화 학습 소개: 이론 및 PennyLane 기반 구현”. 2021 정보통신기술융합국제학술대회(ICTC)에서. 416~420페이지. 대한민국 제주도(2021). IEEE. URL: https://doi.org/10.1109/ICTC52510.2021.9620885.
https://doi.org/10.1109/ICTC52510.2021.9620885

[69] Sofiene Jerbi, Casper Gyurik, Simon Marshall, Hans Briegel 및 Vedran Dunjko. “강화 학습을 위한 매개변수화된 양자 정책”. M. Ranzato, A. Beygelzimer, Y. Dauphin, P.S. Liang, J. Wortman Vaughan, 편집자, 신경 정보 처리 시스템의 발전. 34권, 28362~28375페이지. 커란 어소시에이츠, Inc.(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-Yin Chiang, Min-Hsiu Hsieh 및 Hsi-Sheng Goan. "OpenAI Gym의 얽히지 않은 양자 강화 학습 에이전트"(2022). URL: https://doi.org/10.48550/arXiv.2203.14348.
https:///doi.org/10.48550/arXiv.2203.14348

[71] 엘 아민 체라트(El Amine Cherrat), 요르다니스 케레니디스(Iordanis Kerenidis), 아누팜 프라카쉬(Anupam Prakash). “정책 반복을 통한 양자 강화 학습”. 양자 기계 지능 5, 30(2023). URL: https://doi.org/10.1007/s42484-023-00116-1.
https://doi.org/10.1007/s42484-023-00116-1

[72] Daochen Wang, Aarthi Sundaram, Robin Kothari, Ashish Kapoor 및 Martin Roetteler. “생성 모델을 이용한 강화 학습을 위한 양자 알고리즘”. 머신러닝에 관한 국제 컨퍼런스에서. 10916~10926페이지. PMLR(2021). URL: https://doi.org/10.48550/arXiv.2112.08451.
https:///doi.org/10.48550/arXiv.2112.08451

[73] Sofiene Jerbi, Arjan Cornelissen, Māris Ozols 및 Vedran Dunjko. “양자 정책 그라디언트 알고리즘”(2022). URL: https://doi.org/10.48550/arXiv.2212.09328.
https:///doi.org/10.48550/arXiv.2212.09328

[74] 아르얀 코르넬리센. “양자 기울기 추정 및 양자 강화 학습에의 적용”. 석사논문(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. “공급망 관리를 위한 양자 컴퓨팅 방법”. 2022 IEEE/ACM 7차 엣지 컴퓨팅(SEC) 심포지엄에서. 400~405페이지. 미국 워싱턴주 시애틀(2022). IEEE. URL: https://doi.org/10.1109/SEC54971.2022.00059.
https://doi.org/10.1109/SEC54971.2022.00059

[76] 마크 G. 벨마레(Marc G. Bellemare), 윌 대브니(Will Dabney), 레미 무노스(Rémi Munos). “강화학습에 대한 분포적 관점”. 제34회 기계 학습에 관한 국제 컨퍼런스 진행 중 - 70권. 449~458페이지. ICML'17 시드니, NSW, 호주(2017). JMLR.org. URL: https://doi.org/10.48550/arXiv.1707.06887.
https:///doi.org/10.48550/arXiv.1707.06887

[77] 윌 대브니(Will Dabney), 마크 롤랜드(Mark Rowland), 마크 벨마레(Marc Bellemare), 레미 무노스(Rémi Munos). “분위회귀를 이용한 분포 강화 학습”. 인공 지능에 관한 AAAI 컨퍼런스 32(2018)의 간행물. URL: https://doi.org/10.1609/aaai.v32i1.11791.
https : / / doi.org/ 10.1609 / aaai.v32i1.11791

[78] Matthias C. Caro와 Ishaun Datta. “양자 회로의 의사 차원”. 양자 기계 지능 2(2020). URL: https://doi.org/10.1007/s42484-020-00027-5.
https://doi.org/10.1007/s42484-020-00027-5

[79] 한스 뷸러, 머레이 필립, 벤 우드. “딥 벨먼 헤징”. SSRN 전자저널(2022). URL: https://dx.doi.org/10.2139/ssrn.4151026.
https : / /doi.org/ 10.2139 / ssrn.4151026

[80] 탄 응웬탕, 수닐 굽타, 스베타 벤카테시. “모멘트 매칭을 통한 분포 강화 학습”. AAAI 인공 지능 회의 간행물 35, 9144–9152(2021). URL: https://doi.org/10.1609/aaai.v35i10.17104.
https : / / doi.org/ 10.1609 / aaai.v35i10.17104

인용

[1] Enrico Fontana, Dylan Herman, Shouvanik Chakrabarti, Niraj Kumar, Romina Yalovetzky, Jamie Heredge, Shree Hari Sureshbabu 및 Marco Pistoia, "Adjoint만 있으면 됩니다: Quantum Ansätze에서 불모의 고원 특성화", arXiv : 2309.07902, (2023).

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia 및 Yuri Alexeev, “금융을 위한 양자 컴퓨팅”, 네이처 리뷰 물리학 5 8, 450 (2023).

[3] Alexandr Sedykh, Maninadh Podapaka, Asel Sagingalieva, Karan Pinto, Markus Pflitsch 및 Alexey Melnikov, "복잡한 형태의 전산 유체 역학 시뮬레이션을 위한 하이브리드 양자 물리학 기반 신경망", arXiv : 2304.11247, (2023).

위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2023-11-29 13:34:05). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.

가져올 수 없습니다 Crossref 인용 자료 마지막 시도 중 2023-11-29 13:34:04 : Crossref에서 10.22331 / q-2023-11-29-1191에 대한 인용 데이터를 가져올 수 없습니다. DOI가 최근에 등록 된 경우 이는 정상입니다.

이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.

SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
출처: https://quantum-journal.org/papers/q-2023-11-29-1191/

타임 스탬프 : 2023 년 11 월 29 일

타임 스탬프 : 25년 2023월 XNUMX일

퀀텀 딥 헤징

플라톤에 의해 재발행

추상

► BibTeX 데이터

► 참고 문헌

인용

더보기 양자 저널

양자 커널 방법을 통한 양자 위상 인식

계절 제출 수면

3+1 QED의 상대론적 이산 시공간 공식

Adiabatic Spiraling을 통한 Heisenberg 모델의 상태 준비

중력으로 인한 얽힘에서 물질 응집의 역할

강한 붕괴가 존재하는 2D 준입자 응축물 형성에 대한 평균 현장 연구

공간 및 시간 양자 채널의 회로

양자 문맥 중복을 통한 임의 액세스 코드

자기 하위 수준 개체군에서 양자 얽힘 조사: 스핀 압착 불평등을 넘어

양자 컴퓨터에서 대칭 테스트

회사 소개

수직 검색 및 인공 지능

플랫폼

연결 유지

계정