Quantum Deep Hedging

Publisert av Platon

Følgere: 0

El Amine Cherrat^1,2, Snehal Raj¹, Iordanis Kerenidis^1,2, Abhishek Shekhar³, Ben Wood³, Jon Dee³, Shouvanik Chakrabarti⁴, Richard Chen⁴, Dylan Herman⁴, Shaohan Hu⁴, Pierre Minssen⁴, Ruslan Shaydulin⁴, Yue Sun⁴, Romina Yalovetzky⁴og Mark Pistoia⁴

¹QC-vare
²Université de Paris, CNRS, IRIF
³Kvantitativ forskning, JPMorgan Chase
⁴Global Technology Applied Research, JPMorgan Chase

Finn dette papiret interessant eller vil diskutere? Scite eller legg igjen en kommentar på SciRate.

Abstrakt

Kvantemaskinlæring har potensial for en transformativ innvirkning på tvers av industrisektorer og spesielt innen finans. I vårt arbeid ser vi på problemet med sikring der dyp forsterkende læring tilbyr et kraftig rammeverk for virkelige markeder. Vi utvikler kvanteforsterkende læringsmetoder basert på policy-søk og distribusjonsaktørkritiske algoritmer som bruker kvantenevrale nettverksarkitekturer med ortogonale og sammensatte lag for policy- og verdifunksjonene. Vi beviser at de kvantenevrale nettverkene vi bruker er trenbare, og vi utfører omfattende simuleringer som viser at kvantemodeller kan redusere antall trenbare parametere samtidig som de oppnår sammenlignbar ytelse og at distribusjonstilnærmingen oppnår bedre ytelse enn andre standardtilnærminger, både klassiske og kvantetilnærminger. . Vi implementerer de foreslåtte modellene på en fanget-ion kvanteprosessor, ved å bruke kretser med opptil $16$ qubits, og observerer ytelse som stemmer godt overens med støyfri simulering. Våre kvanteteknikker er generelle og kan brukes på andre forsterkende læringsproblemer utover sikring.

► BibTeX-data

@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} }

► Referanser

[1] Hans Buehler, Lukas Gonon, Joseph Teichmann og Ben Wood. "Dyp sikring". Quantitative Finance 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 og Jonathan Kochems. "Dyp sikring: Sikring av derivater under generiske markedsfriksjoner ved bruk av forsterkningslæring". SSRN Electronic Journal (2019). url: http:///dx.doi.org/10.2139/ssrn.3355706.
https: / / doi.org/ 10.2139 / ssrn.3355706

[3] Shihao Gu, Bryan T. Kelly og Dacheng Xiu. "Empirisk aktivaprising via maskinlæring". SSRN elektronisk tidsskrift (2018). url: http:///dx.doi.org/10.2139/ssrn.3159577.
https: / / doi.org/ 10.2139 / ssrn.3159577

[4] Hyeong Kyu Choi. «Korrelasjonskoeffisient for aksjekurs med ARIMA-LSTM hybridmodell» (2018). url: https:///doi.org/10.48550/arXiv.1808.01560.
https:///doi.org/10.48550/arXiv.1808.01560

[5] Yada Zhu, Giovanni Mariani og Jianbo Li. "Pagan: Porteføljeanalyse med generative kontradiktoriske nettverk". SSRN Electronic Journal (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 og Yong Wang. "Aksjemarkedsprediksjon basert på generativt motstandsnettverk". Procedia Computer Science 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 og Leandro Sánchez-Betancourt. "Dyp forsterkningslæring for algoritmisk handel". SSRN Electronic Journal (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 og Qionghai Dai. "Dyp direkte forsterkende læring for finansiell signalrepresentasjon og handel". IEEE Transactions on Neural Networks and Learning Systems 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 og Kristan Temme. "En streng og robust kvantehastighet i overvåket maskinlæring". Naturfysikk 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 og Stacey Jeffery. "Kraften til blokkkodede matrisekrefter: Forbedrede regresjonsteknikker via raskere Hamilton-simulering". I Christel Baier, Ioannis Chatzigiannakis, Paola Flocchini og Stefano Leonardi, redaktører, 46th International Colloquium on Automata, Languages, and Programming (ICALP 2019). Bind 132 av Leibniz International Proceedings in Informatics (LIPIcs), side 33:1–33:14. Dagstuhl, Tyskland (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 og Nathan Wiebe. "Optimalisering av kvanteoptimaliseringsalgoritmer via raskere kvantegradientberegning". I Proceedings of the 2019 Annual ACM-SIAM Symposium on Discrete Algorithms (SODA). Side 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 og Patrick J. Coles. "Variasjonskvantealgoritmer". 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] Iordanis Kerenidis, Anupam Prakash og Dániel Szilágyi. "Kvantealgoritmer for porteføljeoptimalisering". I Proceedings of the 1st ACM Conference on Advances in Financial Technologies. Side 147–155. Zürich, Sveits (2019). ACM. url: https:///doi.org/10.1145/3318041.3355465.
https: / / doi.org/ 10.1145 / 3318041.3355465

[14] Lucas Leclerc, Luis Ortiz-Guitierrez, Sebastian Grijalva, Boris Albrecht, Julia R. K. 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 og Didier M'tamon. "Finansiell risikostyring på en nøytral atomkvanteprosessor" (2022). url: https:///doi.org/10.48550/arXiv.2212.03223.
https:///doi.org/10.48550/arXiv.2212.03223

[15] Dimitrios Emmanoulopoulos og Sofija Dimoska. "Quante Machine Learning in Finance: Time Series Forecasting" (2022). url: https:///doi.org/10.48550/arXiv.2202.00599.
https:///doi.org/10.48550/arXiv.2202.00599

[16] Patrick Rebentrost, Brajesh Gupt og Thomas R. Bromley. "Kvanteberegningsfinansiering: Monte Carlo-prising av finansielle derivater". Physical Review 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 og Miklos Santha. "Kvantealgoritme for stokastisk optimal stoppproblemer med applikasjoner i finans". I François Le Gall og Tomoyuki Morimae, redaktører, 17. konferanse om teorien om kvanteberegning, kommunikasjon og kryptografi (TQC 2022). Bind 232 av Leibniz International Proceedings in Informatics (LIPIcs), side 2:1–2:24. Dagstuhl, Tyskland (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 og Marco Pistoia. "Begrenset kvanteoptimalisering for ekstraktiv oppsummering på en fanget-ion kvantedatamaskin". Scientific Reports 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 og Daniel Volz. "En spillplan for kvanteberegning". McKinsey Quarterly (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 og Yuri Alexeev. "En undersøkelse av kvanteberegning for finans" (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 og Hartmut Neven. "Ufruktbare platåer i treningslandskap for kvantenevrale nettverk". 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] Iordanis Kerenidis, Jonas Landman og Natansh Mathur. "Klassiske og kvantealgoritmer for ortogonale nevrale nettverk" (2022). url: https:///doi.org/10.48550/arXiv.2106.07198.
https:///doi.org/10.48550/arXiv.2106.07198

[23] Zebin Yang, Aijun Zhang og Agus Sudjianto. "Forbedre forklaringen av nevrale nettverk gjennom arkitekturbegrensninger". IEEE-transaksjoner på nevrale nettverk og læringssystemer 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 og Dacheng Tao. "Ortogonale dype nevrale nettverk". IEEE Transactions on Pattern Analysis and Machine Intelligence 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 og Pushmeet Kohli. "Oppdage raskere matrisemultiplikasjonsalgoritmer med forsterkende læring". 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] Clare Lyle, Marc G. Bellemare og Pablo Samuel Castro. "En komparativ analyse av forventet og distribusjonell forsterkningslæring". Proceedings of the AAAI Conference on Artificial Intelligence 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). Tilgang: 15.–22. november 2022; 7.–12. desember 2022.
https://www.quantinuum.com/

[28] Daniel J. Brod. "Effektiv klassisk simulering av matchgate-kretser med generaliserte innganger og målinger". Fysisk gjennomgang 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 og Frédéric Sauvage. "Lyg-algebraiske klassiske simuleringer for variasjonskvanteberegning" (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. Morales og Zoltán Zimborás. "Fermion-sampling: Et robust kvanteberegningsfordelssystem ved bruk av fermionisk lineær optikk og magiske inngangstilstander". 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 og Isaac L. Chuang. "Kvanteberegning og kvanteinformasjon: 10th Anniversary Edition". Cambridge University Press. (2012). 1 utgave. url: https:///doi.org/10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667

[32] R.S. Sutton og A.G. Barto. "Forsterkende læring: en introduksjon". 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] Kai Arulkumaran, Marc Peter Deisenroth, Miles Brundage og Anil Anthony Bharath. "Dyp forsterkningslæring: En kort undersøkelse". IEEE Signal Processing 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 og Hans Buehler. "Dyp sikring: Lær å simulere aksjeopsjonsmarkeder". SSRN Electronic Journal (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 og Ben Wood. "Deep hedging: Learning to Remove the Drift under Trading Frictions with Minimal Equivalent Near-Martingale Measures" (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 og Lianjun Bai. "Multi-Asset Spot and Option Market Simulation". SSRN Electronic Journal (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 og Mikko Pakkanen. "Dyp sikring: Kontinuerlig forsterkende læring for sikring av generelle porteføljer på tvers av flere risikoaversjoner". I Proceedings of the Third ACM International Conference on AI in Finance. Side 361–368. ICAIF ’22New York, NY, USA (2022). Foreningen for datamaskiner. url: https:///doi.org/10.1145/3533271.3561731.
https: / / doi.org/ 10.1145 / 3533271.3561731

[38] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa og Keisuke Fujii. "Kvantekretslæring". Physical Review 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 og Marco Pistoia. "Expressivity of Variational Quantum Machine Learning on the Boolean Cube" (2022). url: https:///doi.org/10.1109/TQE.2023.3255206.
https: / / doi.org/ 10.1109 / TQE.2023.3255206

[40] Edward Farhi og Hartmut Neven. "Klassifisering med kvantenevrale nettverk på nærtidsprosessorer". Teknisk rapport. Web of Open Science (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 og José I. Latorre. "Opplasting av data for en universell kvanteklassifiser". Quantum 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 og Iordanis Kerenidis. "Kvantemetoder for nevrale nettverk og anvendelse på medisinsk bildeklassifisering". Quantum 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 og Alejandro Perdomo-Ortiz. "En generativ modelleringstilnærming for benchmarking og trening av grunne kvantekretser". npj Quantum Information 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 og Matthias Rosenkranz. "Variasjonsslutning med en kvantedatamaskin". Fysisk gjennomgang Søkt 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 og Christopher Mutschler. "En undersøkelse om Quantum Reinforcement Learning" (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 og Jay M. Gambetta. "Vedledet læring med kvanteforbedrede funksjonsrom". 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] Maria Schuld, Ryan Sweke og Johannes Jakob Meyer. "Effekten av datakoding på uttrykkskraften til variasjonelle kvante-maskin-læringsmodeller". Physical Review 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 og Dirk Oliver Theis. "Input redundans for parametriserte kvantekretser". Frontiers in Physics 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 og 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 og Nathan Killoran. "Evaluering av analytiske gradienter på kvantemaskinvare". Physical Review A 99, 032331 (2019). url: https:///doi.org/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[51] Iordanis Kerenidis. "En metode for å laste klassiske data inn i kvantetilstander for applikasjoner innen maskinlæring og optimalisering". US patentsøknad (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 og Iordanis Kerenidis. "Nærmeste tyngdepunktsklassifisering på en fanget ion kvantedatamaskin". npj Quantum Information 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 og Anupam Prakash. "Kvantemaskinlæring med delromstilstander" (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 og Illia Polosukhin. "Oppmerksomhet er alt du trenger". I I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan og R. Garnett, redaktører, Advances in Neural Information Processing Systems. Bind 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 og M. Cerezo. "Gruppe-invariant kvantemaskinlæring". 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. og Kaibin Huang. "Grassmannian Learning: Embedding Geometry Awareness in Shallow and Deep Learning" (2018). url: https:///doi.org/10.48550/arXiv.1808.02229.
https:///doi.org/10.48550/arXiv.1808.02229

[57] Xuchen You, Shouvanik Chakrabarti og Xiaodi Wu. "En konvergensteori for overparameteriserte variasjonelle kvante-egenløsere" (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 og M. Cerezo. "Teori om overparametrisering i kvantenevrale nettverk" (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 og Marco Cerezo. "Diagnostisere golde platåer med verktøy fra Quantum Optimal Control". Quantum 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 og Piotr Śniady. "Integrasjon med respekt for Haar-tiltaket for enhetlig, ortogonal og symplektisk gruppe". Communications in Mathematical Physics 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 og Marco Pistoia. "The Adjoint Is All You Need: Characterizing Barren Plateau 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 og M. Cerezo. "En enhetlig teori om ufruktbare platåer for dype parametriserte kvantekretser" (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 og Elham Kashefi. "Trenbarhet og uttrykksevne for Hamming-Weight Preserving Quantum Circuits for Machine Learning" (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 og Dacheng Tao. "Rømme fra det karrige platået via gaussiske initialiseringer i dype variasjonskvantekretser" (2022). url: https:///doi.org/10.48550/arXiv.2203.09376.
https:///doi.org/10.48550/arXiv.2203.09376

[65] Owen Lockwood og Mei Si. "Å spille Atari med hybrid kvante-klassisk forsterkningslæring" (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 og Hsi-Sheng Goan. "Variasjonelle kvantekretser for dyp forsterkningslæring". IEEE Access 8, 141007–141024 (2020). url: https:///doi.org/10.1109/ACCESS.2020.3010470.
https: / / doi.org/ 10.1109 / ACCESS.2020.3010470

[67] Owen Lockwood og Mei Si. "Forsterkende læring med kvantevariasjonskrets". Proceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital 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 og Joongheon Kim. "Introduksjon til Quantum Reinforcement Learning: Teori og PennyLane-basert implementering". I 2021 International Conference on Information and Communication Technology Convergence (ICTC). Side 416–420. Jeju Island, Korea, Republikken (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 og Vedran Dunjko. "Parametrisert kvantepolitikk for forsterkende læring". I M. Ranzato, A. Beygelzimer, Y. Dauphin, P.S. Liang og J. Wortman Vaughan, redaktører, Advances in Neural Information Processing Systems. Bind 34, side 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 og Hsi-Sheng Goan. "Usammenfiltrede kvanteforsterkende læringsmidler i 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 og Anupam Prakash. "Kvanteforsterkende læring via policy-iterasjon". Quantum Machine Intelligence 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 og Martin Roetteler. "Kvantealgoritmer for forsterkende læring med en generativ modell". I internasjonal konferanse om maskinlæring. Side 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 og Vedran Dunjko. "Quante policy gradient algorithms" (2022). url: https:///doi.org/10.48550/arXiv.2212.09328.
https:///doi.org/10.48550/arXiv.2212.09328

[74] Arjan Cornelissen. "Kvantegradientestimering og dens anvendelse på kvanteforsterkningslæring". Masteroppgave (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 og Junyu Liu. "Quantum Computing Methods for Supply Chain Management". I 2022 IEEE/ACM 7th Symposium on Edge Computing (SEC). Side 400–405. Seattle, WA, USA (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 og Rémi Munos. "Et distribusjonsperspektiv på forsterkende læring". I Proceedings of the 34th International Conference on Machine Learning – bind 70. Side 449–458. ICML’17Sydney, NSW, Australia (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 og Rémi Munos. "Distribusjonell forsterkningslæring med kvantilregresjon". Proceedings of the AAAI Conference on Artificial Intelligence 32 (2018). url: https:///doi.org/10.1609/aaai.v32i1.11791.
https: / / doi.org/ 10.1609 / aaai.v32i1.11791

[78] Matthias C. Caro og Ishaun Datta. "Pseudo-dimensjon av kvantekretser". Quantum Machine Intelligence 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 og Ben Wood. "Deep Bellman Hedging". SSRN elektronisk tidsskrift (2022). url: https:///dx.doi.org/10.2139/ssrn.4151026.
https: / / doi.org/ 10.2139 / ssrn.4151026

[80] Thanh Nguyen-Tang, Sunil Gupta og Svetha Venkatesh. "Distribusjonell forsterkningslæring via Moment Matching". Proceedings of the AAAI Conference on Artificial Intelligence 35, 9144–9152 (2021). url: https:///doi.org/10.1609/aaai.v35i10.17104.
https: / / doi.org/ 10.1609 / aaai.v35i10.17104

Sitert av

[1] Enrico Fontana, Dylan Herman, Shouvanik Chakrabarti, Niraj Kumar, Romina Yalovetzky, Jamie Heredge, Shree Hari Sureshbabu og Marco Pistoia, "The Adjoint Is All You Need: Characterizing Barren Plateaus in Quantum Ansätze", arxiv: 2309.07902, (2023).

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia og Yuri Alexeev, "Quantum computing for finance", Naturanmeldelser Fysikk 5 8, 450 (2023).

[3] Alexandr Sedykh, Maninadh Podapaka, Asel Sagingalieva, Karan Pinto, Markus Pflitsch og Alexey Melnikov, "Hybride kvantefysikk-informerte nevrale nettverk for simulering av beregningsvæskedynamikk i komplekse former", arxiv: 2304.11247, (2023).

Sitatene ovenfor er fra SAO / NASA ADS (sist oppdatert vellykket 2023-11-29 13:34:05). Listen kan være ufullstendig fordi ikke alle utgivere gir passende og fullstendige sitasjonsdata.

Kunne ikke hente Crossref sitert av data under siste forsøk 2023-11-29 13:34:04: Kunne ikke hente siterte data for 10.22331 / q-2023-11-29-1191 fra Crossref. Dette er normalt hvis DOI nylig ble registrert.

Denne artikkelen er utgitt i Quantum under Creative Commons Attribution 4.0 International (CC BY 4.0) tillatelse. Opphavsrett forblir hos de opprinnelige rettighetshaverne som forfatterne eller institusjonene deres.

SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
kilde: https://quantum-journal.org/papers/q-2023-11-29-1191/

Tidstempel: November 29, 2023

Tidstempel: September 25, 2023

Publisert av Platon

Abstrakt

► BibTeX-data

► Referanser

Sitert av

Mer fra Kvantejournal

Kvantefasegjenkjenning via kvantekjernemetoder

Sesongbestemt innleveringsdvale

En relativistisk diskret romtidsformulering av 3+1 QED

Statsforberedelse i Heisenberg-modellen gjennom adiabatisk spiraldannelse

Rollen til materiekoherens i sammenfiltring på grunn av tyngdekraften

Gjennomsnittlig feltstudie av 2D kvasipartikkelkondensatdannelse i nærvær av sterkt forfall

Kretser av rom og tid kvantekanaler

Tilfeldige tilgangskoder via kvantekontekstuell redundans

Undersøke kvanteforviklinger fra populasjoner på magnetiske undernivåer: utover spinnklemmende ulikheter

Tester symmetri på kvantedatamaskiner

Om Oss

Vertikal søk og Ai

Plattform

Hold kontakten

Logg inn