Quantum Deep Hedging - Plato AiStream V2.1

Heruitgegeven door Plato

volgers: 0

El Amine Cherrat^1,2, Snehal Raj¹, Iordanis Kerenidis^1,2, Abishek Shekhar³, Ben Hout³, Jon Dee³, Shouvanik Chakrabarti⁴, Richard Chen⁴, Dylan Herman⁴, Shaohan Hu⁴, Pierre Minssen⁴, Ruslan Shaidulin⁴, Yue zon⁴, Romina Yalovetzky⁴ en Marco Pistoia⁴

¹QC-waren
²Université de Paris, CNRS, IRIF
³Kwantitatief onderzoek, JPMorgan Chase
⁴Mondiaal toegepast technologieonderzoek, JPMorgan Chase

Vind je dit artikel interessant of wil je het bespreken? Scite of laat een reactie achter op SciRate.

Abstract

Kwantummachine learning heeft het potentieel voor een transformerende impact in alle industriële sectoren en in het bijzonder in de financiële sector. In ons werk kijken we naar het probleem van hedging, waarbij diepgaand leren een krachtig raamwerk biedt voor echte markten. We ontwikkelen leermethoden voor kwantumversterking op basis van beleidsonderzoek en distributieve actor-kritische algoritmen die kwantumneurale netwerkarchitecturen gebruiken met orthogonale en samengestelde lagen voor de beleids- en waardefuncties. We bewijzen dat de kwantumneurale netwerken die we gebruiken trainbaar zijn, en we voeren uitgebreide simulaties uit die laten zien dat kwantummodellen het aantal trainbare parameters kunnen verminderen en tegelijkertijd vergelijkbare prestaties kunnen leveren, en dat de distributiebenadering betere prestaties levert dan andere standaardbenaderingen, zowel klassiek als kwantum. . We implementeren de voorgestelde modellen met succes op een kwantumprocessor met gevangen ionen, waarbij we circuits gebruiken met qubits tot $ 16, en prestaties observeren die goed overeenkomen met geruisloze simulatie. Onze kwantumtechnieken zijn algemeen en kunnen worden toegepast op andere leerproblemen die verder gaan dan hedging.

► BibTeX-gegevens

@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} }

► Referenties

[1] Hans Bühler, Lukas Gonon, Joseph Teichmann en Ben Wood. “Diepe hedging”. Kwantitatieve financiën 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 en Jonathan Kochems. "Deep Hedging: derivaten afdekken onder generieke marktfricties met behulp van versterkend leren". SSRN elektronisch tijdschrift (2019). url: http:///dx.doi.org/10.2139/ssrn.3355706.
https: / / doi.org/ 10.2139 / ssrn.3355706

[3] Shihao Gu, Bryan T. Kelly en Dacheng Xiu. "Empirische activaprijzen via machinaal leren". SSRN elektronisch tijdschrift (2018). url: http:///dx.doi.org/10.2139/ssrn.3159577.
https: / / doi.org/ 10.2139 / ssrn.3159577

[4] Hyeong Kyu Choi. “Voorspelling van de correlatiecoëfficiënt van de aandelenkoers met het ARIMA-LSTM hybride model” (2018). url: https:///doi.org/10.48550/arXiv.1808.01560.
https://doi.org/10.48550/arXiv.1808.01560

[5] Yada Zhu, Giovanni Mariani en Jianbo Li. "Pagan: portefeuilleanalyse met generatieve vijandige netwerken". SSRN elektronisch tijdschrift (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 en Yong Wang. "Aandelenmarktvoorspelling gebaseerd op generatief vijandig netwerk". Procedia Computerwetenschappen 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] Álvaro Cartea, Sebastian Jaimungal en Leandro Sánchez-Betancourt. "Diepe versterkingsleren voor algoritmische handel". SSRN elektronisch tijdschrift (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 en Qionghai Dai. "Deep Direct Reinforcement Learning voor financiële signaalrepresentatie en handel". IEEE-transacties over neurale netwerken en leersystemen 28, 653–664 (2017). url: https:///doi.org/10.1109/TNNLS.2016.2522401.
https:///doi.org/10.1109/TNNLS.2016.2522401

[9] Yunchao Liu, Srinivasan Arunachalam en Kristan Temme. "Een rigoureuze en robuuste kwantumversnelling in begeleid machinaal leren". Natuurfysica 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 en Stacey Jeffery. "De kracht van blokgecodeerde matrixkrachten: verbeterde regressietechnieken via snellere Hamiltoniaanse simulatie". In Christel Baier, Ioannis Chatzigiannakis, Paola Flocchini en Stefano Leonardi, redacteuren, 46e International Colloquium on Automata, Languages, and Programming (ICALP 2019). Deel 132 van Leibniz International Proceedings in Informatics (LIPIcs), pagina's 33: 1–33:14. Dagstuhl, Duitsland (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] András Gilyén, Srinivasan Arunachalam en Nathan Wiebe. "Het optimaliseren van kwantumoptimalisatie-algoritmen via snellere kwantumgradiëntberekening". In Proceedings of the 2019 Annual ACM-SIAM Symposium on Discrete Algorithms (SODA). Pagina's 1425–1444. (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 en Patrick J. Coles. "Variationele kwantumalgoritmen". Natuurrecensies Natuurkunde 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 en Dániel Szilágyi. "Kwantumalgoritmen voor portefeuilleoptimalisatie". In Proceedings van de eerste ACM-conferentie over vooruitgang in financiële technologieën. Pagina's 1–147. Zürich Zwitserland (155). ACM. url: https:///doi.org/2019/10.1145.
https: / / doi.org/ 10.1145 / 3318041.3355465

[14] Lucas Leclerc, Luis Ortiz-Guitierrez, Sebastian Grijalva, Boris Albrecht, Julia RK Cline, Vincent Elfving, Adrien Signoles, Loic Henriet, Gianni Del Bimbo, Usman Ayub Sheikh, Maitree Shah, Luc Andrea, Faysal Ishtiaq, Andoni Duarte, Samuel Mugel, Irene Caceres, Michel Kurek, Román Orús, Achraf Seddik, Oumaima Hammammi, Hacene Isselnane en Didier M'tamon. “Financieel risicobeheer op een neutrale atoomkwantumprocessor” (2022). url: https:///doi.org/10.48550/arXiv.2212.03223.
https://doi.org/10.48550/arXiv.2212.03223

[15] Dimitrios Emmanoulopoulos en Sofija Dimoska. “Quantum Machine Learning in de financiële sector: tijdreeksvoorspellingen” (2022). url: https:///doi.org/10.48550/arXiv.2202.00599.
https://doi.org/10.48550/arXiv.2202.00599

[16] Patrick Rebentrost, Brajesh Gupt en Thomas R. Bromley. "Quantum computationele financiering: Monte Carlo-prijzen van financiële derivaten". Fysieke beoordeling 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 en Miklos Santha. "Kwantumalgoritme voor stochastische optimale stopproblemen met toepassingen in de financiële wereld". In François Le Gall en Tomoyuki Morimae, redacteuren, 17e conferentie over de theorie van kwantumcomputatie, communicatie en cryptografie (TQC 2022). Deel 232 van Leibniz International Proceedings in Informatics (LIPIcs), pagina's 2:1–2:24. Dagstuhl, Duitsland (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 en Marco Pistoia. "Beperkte kwantumoptimalisatie voor extractieve samenvatting op een kwantumcomputer met gevangen ionen". Wetenschappelijke rapporten 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 en Daniel Volz. "Een spelplan voor kwantumcomputing". McKinsey driemaandelijks (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] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexey Galda, Ilya Safro, Yue Sun, Marco Pistoia en Yuri Alexeev. “Een onderzoek naar kwantumcomputing voor financiën” (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 en Hartmut Neven. "Onvruchtbare plateaus in trainingslandschappen voor kwantumneurale netwerken". Natuurcommunicatie 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 en Natansh Mathur. “Klassieke en kwantumalgoritmen voor orthogonale neurale netwerken” (2022). url: https:///doi.org/10.48550/arXiv.2106.07198.
https://doi.org/10.48550/arXiv.2106.07198

[23] Zebin Yang, Aijun Zhang en Agus Sudjianto. "Het verbeteren van de uitlegbaarheid van neurale netwerken door middel van architectuurbeperkingen". IEEE-transacties over neurale netwerken en leersystemen 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 en Dacheng Tao. "Orthogonale diepe neurale netwerken". IEEE-transacties over patroonanalyse en machine-intelligentie 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 JR Ruiz, Julian Schrittwieser, Grzegorz Swirszcz, David Silver, Demis Hassabis en Pushmeet Kohli. "Het ontdekken van snellere matrixvermenigvuldigingsalgoritmen met versterkend leren". Natuur 610, 47–53 (2022). url: https:///doi.org/10.1038/s41586-022-05172-4.
https://doi.org/10.1038/s41586-022-05172-4

[26] Clare Lyle, Marc G. Bellemare en Pablo Samuel Castro. ‘Een vergelijkende analyse van verwacht en distributief versterkend leren’. Proceedings van de AAAI-conferentie over kunstmatige intelligentie 33, 4504–4511 (2019). url: https:///doi.org/10.1609/aaai.v33i01.33014504.
https: / / doi.org/ 10.1609 / aaai.v33i01.33014504

[27] "Quantinuum H1-1, H1-2". https:///www.quantinuum.com/ (2022). Betreden: 15-22 november 2022; 7-12 december 2022.
https:///www.quantinuum.com/

[28] Daniel J. Brod. "Efficiënte klassieke simulatie van matchgate-circuits met gegeneraliseerde inputs en metingen". Fysieke beoordeling 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 en Frédéric Sauvage. “Lie-algebraïsche klassieke simulaties voor variatiekwantumcomputing” (2023). url: https:///doi.org/10.48550/arXiv.2308.01432.
https://doi.org/10.48550/arXiv.2308.01432

[30] Michał Oszmaniec, Ninnat Dangniam, Mauro ES Morales en Zoltán Zimborás. "Fermion-bemonstering: een robuust kwantumcomputervoordeelschema met behulp van fermionische lineaire optica en magische invoertoestanden". PRX Quantum 3 (2022). url: https:///doi.org/10.1103/PRXQuantum.3.020328.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020328

[31] Michael A. Nielsen en Isaac L. Chuang. "Kwantumcomputer en kwantuminformatie: 10e jubileumeditie". Cambridge University Press. (2012). 1 editie. url: https:///doi.org/10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667

[32] RS Sutton en AG Barto. "Bekrachtigend leren: een inleiding". IEEE-transacties op neurale netwerken 9, 1054–1054 (1998). url: https:///doi.org/10.1109/TNN.1998.712192.
https:///doi.org/10.1109/TNN.1998.712192

[33] Kai Arulkumaran, Marc Peter Deisenroth, Miles Brundage en Anil Anthony Bharath. "Diep versterkend leren: een kort onderzoek". IEEE Signaalverwerking Magazine 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 en Hans Buehler. "Deep Hedging: leren aandelenoptiemarkten te simuleren". SSRN elektronisch tijdschrift (2019). url: https:///dx.doi.org/10.2139/ssrn.3470756.
https: / / doi.org/ 10.2139 / ssrn.3470756

[35] Hans Buehler, Phillip Murray, Mikko S. Pakkanen en Ben Wood. “Deep Hedging: leren de drift onder handelsfricties weg te nemen met minimale gelijkwaardige bijna-martingale maatregelen” (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 en Lianjun Bai. "Multi-Asset Spot- en Optiemarktsimulatie". SSRN elektronisch tijdschrift (2021). url: https:///dx.doi.org/10.2139/ssrn.3980817.
https: / / doi.org/ 10.2139 / ssrn.3980817

[37] Phillip Murray, Ben Wood, Hans Buehler, Magnus Wiese en Mikko Pakkanen. "Diepe hedging: continu leren van versterking voor het hedging van algemene portefeuilles over meerdere risicoaversies". In Proceedings van de derde ACM internationale conferentie over AI in Finance. Pagina 361–368. ICAIF '22New York, NY, VS (2022). Vereniging voor computermachines. url: https:///doi.org/10.1145/3533271.3561731.
https: / / doi.org/ 10.1145 / 3533271.3561731

[38] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa en Keisuke Fujii. "Kwantumcircuitleren". Fysieke beoordeling A 98, 032309 (2018). url: https:///doi.org/10.1103/PhysRevA.98.032309.
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[39] Dylan Herman, Rudy Raymond, Muyuan Li, Nicolas Robles, Antonio Mezzacapo en Marco Pistoia. “Expressiviteit van variatiekwantummachine learning op de Booleaanse kubus” (2022). url: https:///doi.org/10.1109/TQE.2023.3255206.
https: / / doi.org/ 10.1109 / TQE.2023.3255206

[40] Edward Farhi en Hartmut Neven. "Classificatie met kwantumneurale netwerken op kortetermijnprocessors". Technisch rapport. Web van open wetenschap (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 en José I. Latorre. "Gegevens opnieuw uploaden voor een universele kwantumclassificator". Kwantum 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 en Iordanis Kerenidis. ‘Kwantummethoden voor neurale netwerken en toepassing op medische beeldclassificatie’. Kwantum 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] Marcello Benedetti, Delfina Garcia-Pintos, Oscar Perdomo, Vicente Leyton-Ortega, Yunseong Nam en Alejandro Perdomo-Ortiz. "Een generatieve modelleringsaanpak voor het benchmarken en trainen van ondiepe kwantumcircuits". npj Quantuminformatie 5, 45 (2019). url: https:///doi.org/10.1038/s41534-019-0157-8.
https://doi.org/10.1038/s41534-019-0157-8

[44] Marcello Benedetti, Brian Coyle, Mattia Fiorentini, Michael Lubasch en Matthias Rosenkranz. "Variationele gevolgtrekking met een kwantumcomputer". Fysieke beoordeling toegepast 16, 044057 (2021). url: https:///doi.org/10.1103/PhysRevApplied.16.044057.
https: / / doi.org/ 10.1103 / PhysRevApplied.16.044057

[45] Nico Meyer, Christian Ufrecht, Maniraman Periyasamy, Daniel D. Scherer, Axel Plinge en Christopher Mutschler. ‘Een onderzoek naar kwantumversterkend leren’ (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 en Jay M. Gambetta. "Leren onder toezicht met kwantumverbeterde featureruimtes". Natuur 567, 209–212 (2019). url: https:///doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2

[47] Maria Schuld, Ryan Sweke en Johannes Jakob Meyer. "Effect van gegevenscodering op de expressieve kracht van variatiemodellen voor quantum-machine-learning". Fysieke beoordeling A 103, 032430 (2021). url: https:///doi.org/10.1103/PhysRevA.103.032430.
https: / / doi.org/ 10.1103 / PhysRevA.103.032430

[48] Francisco Javier Gil Vidal en Dirk Oliver Theis. "Ingangsredundantie voor geparametriseerde kwantumcircuits". Grenzen in de natuurkunde 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 en Yun Yvonna Li. “Quantum Vision Transformers” (2022). url: https:///doi.org/10.48550/arXiv.2209.08167.
https://doi.org/10.48550/arXiv.2209.08167

[50] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac en Nathan Killoran. ‘Analytische gradiënten op kwantumhardware evalueren’. Fysieke beoordeling A 99, 032331 (2019). url: https:///doi.org/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[51] Iordanis Kerenidis. "Een methode voor het laden van klassieke gegevens in kwantumtoestanden voor toepassingen in machine learning en optimalisatie". Amerikaanse octrooiaanvraag (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, Jungsang Kim en Iordanis Kerenidis. "Dichtstbijzijnde zwaartepuntclassificatie op een kwantumcomputer met gevangen ionen". npj Quantuminformatie 7, 122 (2021). url: https:///doi.org/10.1038/s41534-021-00456-5.
https://doi.org/10.1038/s41534-021-00456-5

[53] Iordanis Kerenidis en Anupam Prakash. “Kwantummachine learning met subruimtetoestanden” (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 en Illia Polosukhin. “Aandacht is alles wat je nodig hebt”. In I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan en R. Garnett, redacteuren, Advances in Neural Information Processing Systems. Deel 30. Curran Associates, Inc. (2017). url: https:///doi.org/10.48550/arXiv.1706.03762.
https://doi.org/10.48550/arXiv.1706.03762

[55] Martin Larocca, Frédéric Sauvage, Faris M. Sbahi, Guillaume Verdon, Patrick J. Coles en M. Cerezo. "Groepsinvariant kwantummachine learning". PRX Quantum 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. en Kaibin Huang. “Grassmanniaans leren: het bewustzijn van geometrie inbedden in oppervlakkig en diep leren” (2018). url: https:///doi.org/10.48550/arXiv.1808.02229.
https://doi.org/10.48550/arXiv.1808.02229

[57] Xuchen You, Shouvanik Chakrabarti en Xiaodi Wu. “Een convergentietheorie voor overgeparametriseerde variatiekwantum-eigensolvers” (2022). url: https:///doi.org/10.48550/arXiv.2205.12481.
https://doi.org/10.48550/arXiv.2205.12481

[58] Martin Larocca, Nathan Ju, Diego García-Martin, Patrick J. Coles en M. Cerezo. “Theorie van overparametrisatie in kwantumneurale netwerken” (2021). url: https:///doi.org/10.1038/s43588-023-00467-6.
https://doi.org/10.1038/s43588-023-00467-6

[59] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles en Marco Cerezo. "Diagnose van onvruchtbare plateaus met hulpmiddelen van Quantum Optimal Control". Kwantum 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] Benoît Collins en Piotr Śniady. "Integratie met respect voor de Haar-maatregel voor unitaire, orthogonale en symplectische groepen". Communicatie in de wiskundige natuurkunde 264, 773-795 (2006). url: https:///doi.org/10.1007/s00220-006-1554-3.
https://doi.org/10.1007/s00220-006-1554-3

[61] Enrico Fontana, Dylan Herman, Shouvanik Chakrabarti, Niraj Kumar, Romina Yalovetzky, Jamie Heredge, Shree Hari Sureshbabu en Marco Pistoia. “De Adjoint is alles wat je nodig hebt: karakteriseren van dorre plateaus in Quantum Ansätze” (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 en M. Cerezo. “Een uniforme theorie van onvruchtbare plateaus voor diep geparametriseerde kwantumcircuits” (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 en Elham Kashefi. “Trainbaarheid en expressiviteit van Hamming-gewichtbehoud van kwantumcircuits voor machinaal leren” (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 en Dacheng Tao. “Ontsnappen uit het dorre plateau via Gaussiaanse initialisaties in diepe variatiekwantumcircuits” (2022). url: https:///doi.org/10.48550/arXiv.2203.09376.
https://doi.org/10.48550/arXiv.2203.09376

[65] Owen Lockwood en Mei Si. “Atari spelen met hybride kwantum-klassiek versterkend leren” (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 en Hsi-Sheng Goan. "Variationele kwantumcircuits voor diep versterkend leren". IEEE-toegang 8, 141007–141024 (2020). url: https:///doi.org/10.1109/ACCESS.2020.3010470.
https: / / doi.org/ 10.1109 / ACCESS.2020.3010470

[67] Owen Lockwood en Mei Si. "Versterkingsleren met Quantum Variational Circuit". Proceedings van de AAAI-conferentie over kunstmatige intelligentie en interactief digitaal entertainment 16, 245–251 (2020). url: https:///doi.org/10.1609/aiide.v16i1.7437.
https:///doi.org/10.1609/aiide.v16i1.7437

[68] Yunseok Kwak, Won Joon Yun, Soyi Jung, Jong-Kook Kim en Joongheon Kim. "Inleiding tot Quantum Reinforcement Learning: theorie en op PennyLane gebaseerde implementatie". In 2021 Internationale Conferentie over Convergentie van Informatie- en Communicatietechnologie (ICTC). Pagina's 416–420. Jeju-eiland, Korea, Republiek (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 en Vedran Dunjko. "Geparametriseerd kwantumbeleid voor versterkend leren". In M. Ranzato, A. Beygelzimer, Y. Dauphin, PS Liang en J. Wortman Vaughan, redacteuren, Advances in Neural Information Processing Systems. Deel 34, pagina's 28362-28375. Curran Associates, 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 en Hsi-Sheng Goan. “Onverstrengelde leermiddelen voor kwantumversterking in de OpenAI Gym” (2022). url: https:///doi.org/10.48550/arXiv.2203.14348.
https://doi.org/10.48550/arXiv.2203.14348

[71] El Amine Cherrat, Iordanis Kerenidis en Anupam Prakash. "Kwantumversterking leren via beleidsiteratie". Kwantummachine-intelligentie 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 en Martin Roetteler. "Kwantumalgoritmen voor versterkend leren met een generatief model". Tijdens de internationale conferentie over machinaal leren. Pagina's 10916–10926. 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 en Vedran Dunjko. “Kwantumbeleidsgradiëntalgoritmen” (2022). url: https:///doi.org/10.48550/arXiv.2212.09328.
https://doi.org/10.48550/arXiv.2212.09328

[74] Arjan Cornelissen. "Kwantumgradiëntschatting en de toepassing ervan op kwantumversterkingsleren". Masterproef (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 en Junyu Liu. "Kwantumcomputermethoden voor supply chain management". In 2022 IEEE/ACM 7e symposium over Edge Computing (SEC). Pagina's 400–405. Seattle, WA, VS (2022). IEEE. url: https:///doi.org/10.1109/SEC54971.2022.00059.
https:///doi.org/10.1109/SEC54971.2022.00059

[76] Marc G. Bellemare, Will Dabney en Rémi Munos. "Een distributieperspectief op versterkend leren". In Proceedings of the 34th International Conference on Machine Learning - Deel 70. Pagina's 449-458. ICML'17 Sydney, NSW, Australië (2017). JMLR.org. url: https:///doi.org/10.48550/arXiv.1707.06887.
https://doi.org/10.48550/arXiv.1707.06887

[77] Will Dabney, Mark Rowland, Marc Bellemare en Rémi Munos. "Distributioneel versterkend leren met kwantielregressie". Proceedings van de AAAI-conferentie over kunstmatige intelligentie 32 (2018). url: https:///doi.org/10.1609/aaai.v32i1.11791.
https: / / doi.org/ 10.1609 / aaai.v32i1.11791

[78] Matthias C. Caro en Ishaun Datta. "Pseudo-dimensie van kwantumcircuits". Kwantummachine-intelligentie 2 (2020). url: https:///doi.org/10.1007/s42484-020-00027-5.
https://doi.org/10.1007/s42484-020-00027-5

[79] Hans Buehler, Murray Phillip en Ben Wood. "Diepe Bellman-hedging". SSRN elektronisch tijdschrift (2022). url: https:///dx.doi.org/10.2139/ssrn.4151026.
https: / / doi.org/ 10.2139 / ssrn.4151026

[80] Thanh Nguyen-Tang, Sunil Gupta en Svetha Venkatesh. "Distributief versterkend leren via Moment Matching". Proceedings van de AAAI-conferentie over kunstmatige intelligentie 35, 9144–9152 (2021). url: https:///doi.org/10.1609/aaai.v35i10.17104.
https: / / doi.org/ 10.1609 / aaai.v35i10.17104

Geciteerd door

[1] Enrico Fontana, Dylan Herman, Shouvanik Chakrabarti, Niraj Kumar, Romina Yalovetzky, Jamie Heredge, Shree Hari Sureshbabu en Marco Pistoia, “The Adjoint is alles wat je nodig hebt: karakterisering van dorre plateaus in Quantum Ansätze”, arXiv: 2309.07902, (2023).

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia en Yuri Alexeev, “Quantum computing voor financiën”, Nature beoordelingen Physics 5 8, 450 (2023).

[3] Alexandr Sedykh, Maninadh Podapaka, Asel Sagingalieva, Karan Pinto, Markus Pflitsch en Alexey Melnikov, "Hybride op de kwantumfysica geïnformeerde neurale netwerken voor het simuleren van computationele vloeistofdynamica in complexe vormen", arXiv: 2304.11247, (2023).

Bovenstaande citaten zijn afkomstig van SAO / NASA ADS (laatst bijgewerkt met succes 2023-11-29 13:34:05). De lijst is mogelijk onvolledig omdat niet alle uitgevers geschikte en volledige citatiegegevens verstrekken.

Kon niet ophalen Door Crossref geciteerde gegevens tijdens laatste poging 2023-11-29 13:34:04: kon niet geciteerde gegevens voor 10.22331 / q-2023-11-29-1191 niet ophalen van Crossref. Dit is normaal als de DOI recent is geregistreerd.

Dit artikel is gepubliceerd in Quantum onder de Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0) licentie. Het auteursrecht blijft berusten bij de oorspronkelijke houders van auteursrechten, zoals de auteurs of hun instellingen.

Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
Bron: https://quantum-journal.org/papers/q-2023-11-29-1191/

Tijdstempel: 29 november 2023

Tijdstempel: September 11, 2023

Kwantum diepe hedging

Heruitgegeven door Plato

Abstract

► BibTeX-gegevens

► Referenties

Geciteerd door

Meer van Quantum Journaal

Een spel met kwantumvoordeel: verificatie en simulatie koppelen

Robuust en efficiënt Hamiltoniaans leren

Een cellulaire automaatdecoder voor een op ruis afgestemde kleurcode

Een subpolynoom-tijdalgoritme voor de vrije energie van eendimensionale kwantumsystemen in de thermodynamische limiet

Grenzen van de korte-tijd-evolutie van lokale Hamiltonians

Optimale codering van oscillatoren in meer oscillatoren

De synthetische Hilbertruimte van lasergestuurde vrije elektronen

Multi-programmeermechanisme mogelijk maken voor Quantum Computing in het NISQ-tijdperk

Universele kwantumcircuits voor kwantumchemie

Foutopsporing in kwantumcircuits en gevoeligheidsanalyse via lokale inversies

LIMDD: een beslissingsdiagram voor de simulatie van kwantumcomputers, inclusief stabilisatortoestanden

Over Ons

Verticaal zoeken & Ai

Platform

Blijf verbonden

Account