Квантовое глубокое хеджирование

Квантовое глубокое хеджирование

Отметка времени: 29 ноября 2023 г., 8:29
Исходный узел: 2985152

Эль-Амин Черрат1,2, Снехал Радж1, Иорданис Керенидис1,2, Абхишек Шекхар3, Бен Вуд3, Джон Ди3, Шуваник Чакрабарти4, Ричард Чен4, Дилан Херман4, Шаохан Ху4, Пьер Минссен4, Руслан Шайдулин4, Юэ Сун4, Ромина Яловецкая4и Марко Пистойя4

1посуда для контроля качества
2Парижский университет, CNRS, IRIF
3Количественные исследования, JPMorgan Chase
4Глобальные прикладные исследования в области технологий, JPMorgan Chase

Находите эту статью интересной или хотите обсудить? Scite или оставить комментарий на SciRate.

Абстрактные

Квантовое машинное обучение может оказать преобразующее воздействие на все отрасли промышленности, в частности на финансы. В нашей работе мы рассматриваем проблему хеджирования, где глубокое обучение с подкреплением предлагает мощную основу для реальных рынков. Мы разрабатываем методы обучения с квантовым подкреплением, основанные на алгоритмах поиска политик и распределенных субъектов-критиков, которые используют архитектуры квантовых нейронных сетей с ортогональными и составными слоями для функций политики и ценности. Мы доказываем, что используемые нами квантовые нейронные сети поддаются обучению, и проводим обширное моделирование, которое показывает, что квантовые модели могут уменьшить количество обучаемых параметров, достигая при этом сопоставимой производительности, и что распределительный подход обеспечивает лучшую производительность, чем другие стандартные подходы, как классические, так и квантовые. . Мы успешно реализовали предложенные модели на квантовом процессоре с захваченными ионами, используя схемы с количеством кубитов до $16$, и наблюдаем производительность, которая хорошо согласуется с бесшумным моделированием. Наши квантовые методы являются общими и могут быть применены к другим задачам обучения с подкреплением, помимо хеджирования.

► Данные BibTeX

► Рекомендации

[1] Ханс Бюлер, Лукас Гонон, Джозеф Тейхманн и Бен Вуд. «Глубокое хеджирование». Количественные финансы 19, 1271–1291 (2019). URL: https://doi.org/10.1080/14697688.2019.1571683.
https: / / doi.org/ 10.1080 / 14697688.2019.1571683

[2] Ханс Бюлер, Лукас Гонон, Йозеф Тейхманн, Бен Вуд, Баранидхаран Мохан и Джонатан Кохемс. «Глубокое хеджирование: хеджирование деривативов в условиях типичных рыночных трений с использованием обучения с подкреплением». Электронный журнал ССРН (2019). URL: http://dx.doi.org/10.2139/ssrn.3355706.
https: / / doi.org/ 10.2139 / ssrn.3355706

[3] Шихао Гу, Брайан Т. Келли и Дачэн Сю. «Эмпирическое ценообразование активов посредством машинного обучения». Электронный журнал ССРН (2018). URL: http://dx.doi.org/10.2139/ssrn.3159577.
https: / / doi.org/ 10.2139 / ssrn.3159577

[4] Хён Кю Чхве. «Прогнозирование коэффициента корреляции цен на акции с помощью гибридной модели ARIMA-LSTM» (2018). URL: https://doi.org/10.48550/arXiv.1808.01560.
https://​/​doi.org/​10.48550/​arXiv.1808.01560

[5] Яда Чжу, Джованни Мариани и Цзянбо Ли. «Языческий: портфельный анализ с генеративно-состязательными сетями». Электронный журнал ССРН (2020). URL: https://dx.doi.org/10.2139/ssrn.3755355.
https: / / doi.org/ 10.2139 / ssrn.3755355

[6] Кан Чжан, Гоцян Чжун, Цзюнью Дун, Шэнке Ван и Юн Ван. «Прогнозирование фондового рынка на основе генеративно-состязательной сети». 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] Альваро Картеа, Себастьян Хаймунгаль и Леандро Санчес-Бетанкур. «Глубокое обучение с подкреплением для алгоритмической торговли». Электронный журнал ССРН (2021). URL: https://dx.doi.org/10.2139/ssrn.3812473.
https: / / doi.org/ 10.2139 / ssrn.3812473

[8] Юэ Дэн, Фэн Бао, Ююн Конг, Чжицюань Жэнь и Цюнхай Дай. «Глубокое обучение с прямым подкреплением для представления финансовых сигналов и торговли». Транзакции IEEE в нейронных сетях и системах обучения 28, 653–664 (2017). URL: https://doi.org/10.1109/TNNLS.2016.2522401.
https://​/​doi.org/​10.1109/​TNNLS.2016.2522401

[9] Юнчао Лю, Шринивасан Аруначалам и Кристан Темме. «Строгое и надежное квантовое ускорение контролируемого машинного обучения». 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-г

[10] Шантанав Чакраборти, Андраш Гильен и Стейси Джеффри. «Сила блочно-кодированных степеней матрицы: улучшенные методы регрессии посредством более быстрого гамильтонового моделирования». Кристель Байер, Иоаннис Хацигианнакис, Паола Флоккини и Стефано Леонарди, редакторы, 46-й Международный коллоквиум по автоматам, языкам и программированию (ICALP 2019). Том 132 Международных трудов Лейбница по информатике (LIPIcs), страницы 33:1–33:14. Дагштуль, Германия (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] Андраш Гильен, Шринивасан Аруначалам и Натан Вибе. «Оптимизация алгоритмов квантовой оптимизации посредством более быстрого вычисления квантового градиента». В материалах ежегодного симпозиума ACM-SIAM по дискретным алгоритмам (SODA) 2019 года. Страницы 1425–1444. (2019). URL: https://doi.org/10.1137/1.9781611975482.87.
https: / / doi.org/ 10.1137 / 1.9781611975482.87

[12] Марко Сересо, Эндрю Аррасмит, Райан Бэббуш, Саймон К. Бенджамин, Сугуру Эндо, Кейсуке Фуджи, Джаррод Р. МакКлин, Косуке Митараи, Сяо Юань, Лукаш Синсио и Патрик Дж. Коулз. «Вариационные квантовые алгоритмы». 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] Иорданис Керенидис, Анупам Пракаш и Даниэль Силадьи. «Квантовые алгоритмы оптимизации портфеля». В материалах 1-й конференции ACM по достижениям в области финансовых технологий. Страницы 147–155. Цюрих, Швейцария (2019). АКМ. URL: https://doi.org/10.1145/3318041.3355465.
https: / / doi.org/ 10.1145 / 3318041.3355465

[14] Лукас Леклерк, Луис Ортис-Гитьеррес, Себастьян Грихальва, Борис Альбрехт, Джулия Р.К. Клайн, Винсент Эльфвинг, Адриан Синьольс, Лоик Анриет, Джанни Дель Бимбо, Усман Аюб Шейх, Майтри Шах, Люк Андреа, Фейсал Иштиак, Андони Дуарте, Сэмюэл Мюгель, Ирен Касерес, Мишель Курек, Роман Орус, Ашраф Седдик, Умайма Хаммамми, Хасен Иссельнан и Дидье М'тамон. «Управление финансовыми рисками на квантовом процессоре с нейтральным атомом» (2022). URL: https://doi.org/10.48550/arXiv.2212.03223.
https://​/​doi.org/​10.48550/​arXiv.2212.03223

[15] Димитриос Эмманулопулос и София Димоска. «Квантовое машинное обучение в финансах: прогнозирование временных рядов» (2022 г.). URL: https://doi.org/10.48550/arXiv.2202.00599.
https://​/​doi.org/​10.48550/​arXiv.2202.00599

[16] Патрик Ребентрост, Браджеш Гупт и Томас Р. Бромли. «Квантовые вычислительные финансы: ценообразование производных финансовых инструментов по методу Монте-Карло». Физическое обозрение А 98, 022321 (2018). URL: https://doi.org/10.1103/PhysRevA.98.022321.
https: / / doi.org/ 10.1103 / PhysRevA.98.022321

[17] Жоао Ф. Доригуэльо, Алессандро Луонго, Джинге Бао, Патрик Ребентрост и Миклош Санта. «Квантовый алгоритм для решения задач стохастической оптимальной остановки с приложениями в финансах». Франсуа Ле Галль и Томоюки Моримаэ, редакторы 17-й конференции по теории квантовых вычислений, связи и криптографии (TQC 2022). Том 232 Международных трудов Лейбница по информатике (LIPIcs), страницы 2: 1–2: 24. Дагштуль, Германия (2022 г.). Замок Дагштуль – Центр информатики Лейбница. URL: https://doi.org/10.4230/LIPIcs.TQC.2022.2.
https: / / doi.org/ 10.4230 / LIPIcs.TQC.2022.2

[18] Прадип Нирула, Руслан Шайдулин, Ромина Яловецки, Пьер Минссен, Дилан Херман, Шаохан Ху и Марко Пистойя. «Квантовая оптимизация с ограничениями для экстрактивного обобщения на квантовом компьютере с захваченными ионами». Научные отчеты 12 (2022 г.). URL: https://doi.org/10.1038/s41598-022-20853-w.
HTTPS: / / doi.org/ 10.1038 / s41598-022-20853-ш

[19] Александр Менар, Иван Остоич, Марк Патель и Даниэль Фольц. «План игры для квантовых вычислений». Ежеквартальный журнал McKinsey (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] Дилан Херман, Коди Гугин, Сяоюань Лю, Алексей Галда, Илья Сафро, Юэ Сун, Марко Пистойя и Юрий Алексеев. «Обзор квантовых вычислений в финансах» (2022 г.). URL: https://doi.org/10.48550/arXiv.2201.02773.
https://​/​doi.org/​10.48550/​arXiv.2201.02773

[21] Джаррод Р. МакКлин, Серджио Бойшо, Вадим Н. Смелянский, Райан Бэббуш и Хартмут Невен. «Бесплодные плато в ландшафтах обучения квантовых нейронных сетей». 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] Иорданис Керенидис, Йонас Ландман и Натанш Матур. «Классические и квантовые алгоритмы для ортогональных нейронных сетей» (2022 г.). URL: https://doi.org/10.48550/arXiv.2106.07198.
https://​/​doi.org/​10.48550/​arXiv.2106.07198

[23] Зебин Ян, Айджун Чжан и Агус Судьянто. «Повышение объяснимости нейронных сетей посредством ограничений архитектуры». Транзакции IEEE в нейронных сетях и системах обучения 32, 2610–2621 (2021). URL: https://doi.org/10.1109/TNNLS.2020.3007259.
https://​/​doi.org/​10.1109/​TNNLS.2020.3007259

[24] Шуай Ли, Куй Цзя, Юйсинь Вэнь, Тунлян Лю и Дачэн Тао. «Ортогональные глубокие нейронные сети». Транзакции IEEE по анализу шаблонов и машинному интеллекту 43, 1352–1368 (2021). URL: https://doi.org/10.1109/TPAMI.2019.2948352.
https: / / doi.org/ 10.1109 / TPAMI.2019.2948352

[25] Альхуссейн Фаузи, Матей Балог, Айя Хуанг, Томас Хуберт, Бернардино Ромера-Паредес, Мохаммадамин Барекатаин, Александр Новиков, Франциско Дж. Р. Руис, Джулиан Шритвизер, Гжегож Свирщ, Дэвид Сильвер, Демис Хассабис и Пушмит Кохли. «Открытие более быстрых алгоритмов умножения матриц с помощью обучения с подкреплением». Природа 610, 47–53 (2022). URL: https://doi.org/10.1038/s41586-022-05172-4.
https:/​/​doi.org/​10.1038/​s41586-022-05172-4

[26] Клэр Лайл, Марк Г. Беллемаре и Пабло Самуэль Кастро. «Сравнительный анализ ожидаемого и распределенного обучения с подкреплением». Материалы конференции AAAI по искусственному интеллекту 33, 4504–4511 (2019). URL: https://doi.org/10.1609/aaai.v33i01.33014504.
https: / / doi.org/ 10.1609 / aaai.v33i01.33014504

[27] «Квантинуум Н1-1, Н1-2». https:/​/​www.quantinuum.com/​ (2022 г.). Доступ: 15–22 ноября 2022 г.; 7-12 декабря 2022 г.
https://www.quantinuum.com/

[28] Дэниел Дж. Брод. «Эффективное классическое моделирование схем согласования с обобщенными входными данными и измерениями». Физическое обозрение А 93 (2016). URL: https://doi.org/10.1103/physreva.93.062332.
https: / / doi.org/ 10.1103 / physreva.93.062332

[29] Мэтью Л. Го, Мартин Ларокка, Лукаш Синчио, М. Сересо и Фредерик Соваж. «Лие-алгебраическое классическое моделирование для вариационных квантовых вычислений» (2023). URL: https://doi.org/10.48550/arXiv.2308.01432.
https://​/​doi.org/​10.48550/​arXiv.2308.01432

[30] Михал Османец, Ниннат Дангниам, Мауро Э.С. Моралес и Золтан Зимборас. «Фермионная выборка: надежная схема преимуществ квантовых вычислений с использованием фермионной линейной оптики и магических входных состояний». PRX Quantum 3 (2022). URL: https://doi.org/10.1103/PRXQuantum.3.020328.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020328

[31] Майкл А. Нильсен и Исаак Л. Чуанг. «Квантовые вычисления и квантовая информация: издание к 10-летию». Издательство Кембриджского университета. (2012). 1 издание. URL: https://doi.org/10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667

[32] Р.С. Саттон и А.Г. Барто. «Обучение с подкреплением: Введение». Транзакции IEEE в нейронных сетях 9, 1054–1054 (1998). URL: https://doi.org/10.1109/TNN.1998.712192.
https: / / doi.org/ 10.1109 / TNN.1998.712192

[33] Кай Арулкумаран, Марк Питер Дейзенрот, Майлз Брандейдж и Анил Энтони Бхарат. «Глубокое обучение с подкреплением: краткий обзор». Журнал 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] Магнус Визе, Лянджун Бай, Бен Вуд и Ханс Бюлер. «Глубокое хеджирование: учимся моделировать рынки опционов на акции». Электронный журнал ССРН (2019). URL: https://dx.doi.org/10.2139/ssrn.3470756.
https: / / doi.org/ 10.2139 / ssrn.3470756

[35] Ханс Бюлер, Филип Мюррей, Микко С. Пакканен и Бен Вуд. «Глубокое хеджирование: научиться устранять дрейф в условиях торговых трений с помощью минимальных эквивалентных околомартингальных мер» (2022 г.). URL: https://doi.org/10.48550/arXiv.2111.07844.
https://​/​doi.org/​10.48550/​arXiv.2111.07844

[36] Магнус Визе, Бен Вуд, Александр Пашу, Ральф Корн, Ханс Бюлер, Мюррей Филлип и Лианджун Бай. «Моделирование спотового и опционного рынка с несколькими активами». Электронный журнал ССРН (2021). URL: https://dx.doi.org/10.2139/ssrn.3980817.
https: / / doi.org/ 10.2139 / ssrn.3980817

[37] Филип Мюррей, Бен Вуд, Ханс Бюлер, Магнус Визе и Микко Пакканен. «Глубокое хеджирование: непрерывное обучение с подкреплением для хеджирования общих портфелей от множественных рисков». В материалах Третьей международной конференции ACM по искусственному интеллекту в финансах. Страница 361–368. ICAIF '22 Нью-Йорк, штат Нью-Йорк, США (2022 г.). Ассоциация вычислительной техники. URL: https://doi.org/10.1145/3533271.3561731.
https: / / doi.org/ 10.1145 / 3533271.3561731

[38] Косуке Митарай, Макото Негоро, Масахиро Китагава и Кейсуке Фуджи. «Квантовое обучение». Физическое обозрение А 98, 032309 (2018). URL: https://doi.org/10.1103/PhysRevA.98.032309.
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[39] Дилан Херман, Руди Рэймонд, Муюань Ли, Николас Роблес, Антонио Меццакапо и Марко Пистойя. «Выразительность вариационного квантового машинного обучения на булевом кубе» (2022). URL: https://doi.org/10.1109/TQE.2023.3255206.
https: / / doi.org/ 10.1109 / TQE.2023.3255206

[40] Эдвард Фархи и Хартмут Невен. «Классификация с помощью квантовых нейронных сетей на процессорах ближнего действия». Технический отчет. Сеть открытой науки (2020). URL: https://doi.org/10.48550/arXiv.1802.06002.
https://​/​doi.org/​10.48550/​arXiv.1802.06002

[41] Адриан Перес-Салинас, Альба Сервера-Лиерта, Элис Хиль-Фустер и Хосе И. Латорре. «Перезагрузка данных для универсального квантового классификатора». Квант 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] Йонас Ландман, Натанш Матур, Юн Ивонна Ли, Мартин Страм, Скандер Каздагли, Анупам Пракаш и Иорданис Керенидис. «Квантовые методы нейронных сетей и их применение в классификации медицинских изображений». Квант 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] Марчелло Бенедетти, Дельфина Гарсиа-Пинтос, Оскар Пердомо, Висенте Лейтон-Ортега, Юнсон Нам и Алехандро Пердомо-Ортис. «Подход к генеративному моделированию для сравнительного анализа и обучения мелких квантовых схем». 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] Марчелло Бенедетти, Брайан Койл, Маттиа Фиорентини, Майкл Любаш и Маттиас Розенкранц. «Вариационный вывод с помощью квантового компьютера». Physical Review Applied 16, 044057 (2021). URL: https://doi.org/10.1103/PhysRevApplied.16.044057.
https: / / doi.org/ 10.1103 / PhysRevApplied.16.044057

[45] Нико Мейер, Кристиан Уфрехт, Манираман Периясами, Дэниел Д. Шерер, Аксель Плинге и Кристофер Мучлер. «Опрос по квантовому обучению с подкреплением» (2022 г.). URL: https://doi.org/10.48550/arXiv.2211.03464.
https://​/​doi.org/​10.48550/​arXiv.2211.03464

[46] Войтех Гавличек, Антонио Д. Корколес, Кристан Темме, Арам В. Харроу, Абхинав Кандала, Джерри М. Чоу и Джей М. Гамбетта. «Обучение с учителем с использованием квантово-расширенных пространств функций». Природа 567, 209–212 (2019). URL: https://doi.org/10.1038/s41586-019-0980-2.
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[47] Мария Шульд, Райан Свек и Йоханнес Якоб Мейер. «Влияние кодирования данных на выразительную силу вариационных моделей квантового машинного обучения». Физическое обозрение А 103, 032430 (2021). URL: https://doi.org/10.1103/PhysRevA.103.032430.
https: / / doi.org/ 10.1103 / PhysRevA.103.032430

[48] Франсиско Хавьер Хиль Видаль и Дирк Оливер Тайс. «Входная избыточность для параметризованных квантовых схем». Границы физики 8, 297 (2020). URL: https://doi.org/10.3389/fphy.2020.00297.
https: / / doi.org/ 10.3389 / fphy.2020.00297

[49] Эль Амин Черрат, Иорданис Керенидис, Натанш Матур, Йонас Ландман, Мартин Страм и Юн Ивонна Ли. «Трансформеры квантового зрения» (2022). URL: https://doi.org/10.48550/arXiv.2209.08167.
https://​/​doi.org/​10.48550/​arXiv.2209.08167

[50] Мария Шульд, Вилле Бергхольм, Кристиан Гоголин, Джош Исаак и Натан Киллоран. «Оценка аналитических градиентов на квантовом оборудовании». Физическое обозрение А 99, 032331 (2019). URL: https://doi.org/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[51] Иорданис Керенидис. «Метод загрузки классических данных в квантовые состояния для приложений в машинном обучении и оптимизации». Заявка на патент США (2020 г.). URL: https://patents.google.com/patent/US20210319350A1.
https://patents.google.com/patent/US20210319350A1

[52] Соника Джохри, Шантану Дебнат, Авинаш Мочерла, Александрос Сингк, Анупам Пракаш, Юнгсанг Ким и Иорданис Керенидис. «Классификация ближайших центроидов на квантовом компьютере с захваченными ионами». 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] Иорданис Керенидис и Анупам Пракаш. «Квантовое машинное обучение с подпространственными состояниями» (2022). URL: https://doi.org/10.48550/arXiv.2202.00054.
https://​/​doi.org/​10.48550/​arXiv.2202.00054

[54] Ашиш Васвани, Ноам Шазир, Ники Пармар, Якоб Ушкорейт, Лайон Джонс, Эйдан Н Гомес, Лукаш Кайзер и Илья Полосухин. «Внимание – это все, что вам нужно». В книге И. Гийон, У. Фон Люксбург, С. Бенджио, Х. Уоллах, Р. Фергюс, С. Вишванатан и Р. Гарнетт, редакторы журнала «Достижения в области нейронных систем обработки информации». Том 30. Curran Associates, Inc. (2017). URL: https://doi.org/10.48550/arXiv.1706.03762.
https://​/​doi.org/​10.48550/​arXiv.1706.03762

[55] Мартин Ларокка, Фредерик Соваж, Фарис М. Сбахи, Гийом Вердон, Патрик Дж. Коулз и М. Сересо. «Группово-инвариантное квантовое машинное обучение». PRX Quantum 3, 030341 (2022 г.). URL: https://doi.org/10.1103/PRXQuantum.3.030341.
https: / / doi.org/ 10.1103 / PRXQuantum.3.030341

[56] Цзяяо Чжан, Гуансюй Чжу, Роберт В. Хит-младший и Кайбин Хуан. «Грасманово обучение: внедрение знаний о геометрии в поверхностное и глубокое обучение» (2018). URL: https://doi.org/10.48550/arXiv.1808.02229.
https://​/​doi.org/​10.48550/​arXiv.1808.02229

[57] Сюйчен Ю, Шуваник Чакрабарти и Сяоди Ву. «Теория сходимости для сверхпараметризованных вариационных квантовых собственных решателей» (2022). URL: https://doi.org/10.48550/arXiv.2205.12481.
https://​/​doi.org/​10.48550/​arXiv.2205.12481

[58] Мартин Ларокка, Натан Джу, Диего Гарсиа-Мартин, Патрик Дж. Коулз и М. Сересо. «Теория сверхпараметризации в квантовых нейронных сетях» (2021). URL: https://doi.org/10.1038/s43588-023-00467-6.
https:/​/​doi.org/​10.1038/​s43588-023-00467-6

[59] Мартин Ларокка, Петр Чарник, Кунал Шарма, Гопикришнан Муралидхаран, Патрик Дж. Коулз и Марко Сересо. «Диагностика бесплодных плато с помощью инструментов квантового оптимального управления». Квант 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] Бенуа Коллинз и Петр Сняди. «Интегрирование по мере Хаара на унитарной, ортогональной и симплектической группе». Коммуникации в математической физике 264, 773–795 (2006). URL: https://doi.org/10.1007/s00220-006-1554-3.
https:/​/​doi.org/​10.1007/​s00220-006-1554-3

[61] Энрико Фонтана, Дилан Херман, Шуваник Чакрабарти, Нирадж Кумар, Ромина Яловецки, Джейми Хередж, Шри Хари Сурешбабу и Марко Пистойя. «Адъюнт — это все, что вам нужно: характеристика бесплодных плато в квантовом анализе» (2023). URL: https://doi.org/10.48550/arXiv.2309.07902.
https://​/​doi.org/​10.48550/​arXiv.2309.07902

[62] Майкл Рагон, Бойко Н. Бакалов, Фредерик Соваж, Александр Ф. Кемпер, Карлос Ортис Марреро, Мартин Ларокка и М. Сересо. «Единая теория бесплодных плато для глубоких параметризованных квантовых схем» (2023). URL: https://doi.org/10.48550/arXiv.2309.09342.
https://​/​doi.org/​10.48550/​arXiv.2309.09342

[63] Лео Монбруссу, Йонас Ландман, Алекс Б. Грило, Ромен Кукла и Эльхам Кашефи. «Обучаемость и выразительность квантовых схем, сохраняющих вес Хэмминга, для машинного обучения» (2023). URL: https://doi.org/10.48550/arXiv.2309.15547.
https://​/​doi.org/​10.48550/​arXiv.2309.15547

[64] Кайнин Чжан, Лю Лю, Мин-Сю Се и Дачэн Тао. «Побег с бесплодного плато посредством гауссовой инициализации в глубоких вариационных квантовых схемах» (2022). URL: https://doi.org/10.48550/arXiv.2203.09376.
https://​/​doi.org/​10.48550/​arXiv.2203.09376

[65] Оуэн Локвуд и Мэй Си. «Игра в Atari с гибридным квантово-классическим обучением с подкреплением» (2021 г.). URL: https://doi.org/10.48550/arXiv.2107.04114.
https://​/​doi.org/​10.48550/​arXiv.2107.04114

[66] Сэмюэл Йен-Чи Чен, Чао-Хан Хак Ян, Цзюнь Ци, Пин-Ю Чен, Сяоли Ма и Си-Шэн Гоань. «Вариационные квантовые схемы для глубокого обучения с подкреплением». IEEE Access 8, 141007–141024 (2020 г.). URL: https://doi.org/10.1109/ACCESS.2020.3010470.
https: / / doi.org/ 10.1109 / ACCESS.2020.3010470

[67] Оуэн Локвуд и Мэй Си. «Обучение с подкреплением с помощью квантовой вариационной схемы». Материалы конференции AAAI по искусственному интеллекту и интерактивным цифровым развлечениям 16, 245–251 (2020). URL: https://doi.org/10.1609/aiide.v16i1.7437.
https://doi.org/10.1609/aiide.v16i1.7437

[68] Юнсок Квак, Вон Джун Юн, Сои Чон, Чон Гук Ким и Джунхон Ким. «Введение в квантовое обучение с подкреплением: теория и реализация на основе PennyLane». В 2021 году состоится Международная конференция по конвергенции информационных и коммуникационных технологий (ICTC). Страницы 416–420. Остров Чеджу, Корея, Республика (2021 г.). IEEE. URL: https://doi.org/10.1109/ICTC52510.2021.9620885.
https://doi.org/10.1109/ICTC52510.2021.9620885

[69] Софиен Джерби, Каспер Дюрик, Саймон Маршалл, Ханс Бригель и Ведран Дунько. «Параметризованные квантовые политики для обучения с подкреплением». В М. Ранзато, А. Бейгельцимере, Ю. Дофине, П.С. Ляне и Дж. Вортмане Вогане, редакторах журнала «Достижения в области нейронных систем обработки информации». Том 34, страницы 28362–28375. Curran Associates, Inc. (2021 г.). URL: https://doi.org/10.48550/arXiv.2103.05577.
https://​/​doi.org/​10.48550/​arXiv.2103.05577

[70] Джен-Юэ Сяо, Юйсюань Ду, Вэй-Инь Чан, Мин-Сю Се и Си-Шэн Гоань. «Распутывающие агенты обучения с квантовым подкреплением в OpenAI Gym» (2022 г.). URL: https://doi.org/10.48550/arXiv.2203.14348.
https://​/​doi.org/​10.48550/​arXiv.2203.14348

[71] Эль Амин Черрат, Иорданис Керенидис и Анупам Пракаш. «Квантовое обучение с подкреплением посредством итерации политики». Квантово-машинный интеллект 5, 30 (2023). URL: https://doi.org/10.1007/s42484-023-00116-1.
https:/​/​doi.org/​10.1007/​s42484-023-00116-1

[72] Даочен Ван, Аарти Сундарам, Робин Котари, Ашиш Капур и Мартин Реттелер. «Квантовые алгоритмы обучения с подкреплением с помощью генеративной модели». На Международной конференции по машинному обучению. Страницы 10916–10926. ПМЛР (2021). URL: https://doi.org/10.48550/arXiv.2112.08451.
https://​/​doi.org/​10.48550/​arXiv.2112.08451

[73] Софиен Джерби, Арьян Корнелиссен, Марис Озолс и Ведран Дунько. «Алгоритмы квантовой политики градиента» (2022). URL: https://doi.org/10.48550/arXiv.2212.09328.
https://​/​doi.org/​10.48550/​arXiv.2212.09328

[74] Арьян Корнелиссен. «Оценка квантового градиента и ее применение к обучению с квантовым подкреплением». Магистерская диссертация (2018). URL: http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e.
http:/​/​resolver.tudelft.nl/​uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e

[75] Ханьшэн Цзян, Цзо-Цзюнь Макс Шен и Цзюнь Юй Лю. «Методы квантовых вычислений для управления цепочками поставок». В 2022 году состоится 7-й симпозиум IEEE/ACM по периферийным вычислениям (SEC). Страницы 400–405. Сиэтл, Вашингтон, США (2022 г.). IEEE. URL: https://doi.org/10.1109/SEC54971.2022.00059.
https://doi.org/10.1109/SEC54971.2022.00059

[76] Марк Г. Бельмар, Уилл Дэбни и Реми Мунос. «Распределительный взгляд на обучение с подкреплением». В материалах 34-й Международной конференции по машинному обучению – Том 70. Страницы 449–458. ICML'17Сидней, Новый Южный Уэльс, Австралия (2017 г.). JMLR.org. URL: https://doi.org/10.48550/arXiv.1707.06887.
https://​/​doi.org/​10.48550/​arXiv.1707.06887

[77] Уилл Дэбни, Марк Роуленд, Марк Бельмар и Реми Мунос. «Обучение с распределенным подкреплением с помощью квантильной регрессии». Материалы конференции AAAI по искусственному интеллекту 32 (2018). URL: https://doi.org/10.1609/aaai.v32i1.11791.
https: / / doi.org/ 10.1609 / aaai.v32i1.11791

[78] Маттиас К. Каро и Ишаун Датта. «Псевдоразмерность квантовых схем». Квантовый машинный интеллект 2 (2020). URL: https://doi.org/10.1007/s42484-020-00027-5.
https:/​/​doi.org/​10.1007/​s42484-020-00027-5

[79] Ганс Бюлер, Мюррей Филлип и Бен Вуд. «Глубокое хеджирование Беллмана». Электронный журнал ССРН (2022). URL: https://dx.doi.org/10.2139/ssrn.4151026.
https: / / doi.org/ 10.2139 / ssrn.4151026

[80] Тхань Нгуен-Танг, Сунил Гупта и Света Венкатеш. «Обучение с распределенным подкреплением через сопоставление моментов». Материалы конференции AAAI по искусственному интеллекту 35, 9144–9152 (2021). URL: https://doi.org/10.1609/aaai.v35i10.17104.
https: / / doi.org/ 10.1609 / aaai.v35i10.17104

Цитируется

[1] Энрико Фонтана, Дилан Херман, Шуваник Чакрабарти, Нирадж Кумар, Ромина Яловецки, Джейми Хередж, Шри Хари Сурешбабу и Марко Пистойя, «Адъюнт — это все, что вам нужно: характеристика бесплодных плато в квантовом анзаце», Arxiv: 2309.07902, (2023).

[2] Дилан Херман, Коди Гугин, Сяоюань Лю, Юэ Сун, Алексей Галда, Илья Сафро, Марко Пистойя и Юрий Алексеев, «Квантовые вычисления для финансов», Обзоры природы Физика 5 8, 450 (2023).

[3] Александр Седых, Манинад Подапака, Асель Сагингалиева, Каран Пинто, Маркус Пфлич и Алексей Мельников, «Гибридные нейронные сети на основе квантовой физики для моделирования вычислительной гидродинамики сложных форм», Arxiv: 2304.11247, (2023).

Приведенные цитаты из САО / НАСА ADS (последнее обновление успешно 2023-11-29 13:34:05). Список может быть неполным, поскольку не все издатели предоставляют подходящие и полные данные о цитировании.

Не удалось получить Перекрестная ссылка на данные во время последней попытки 2023-11-29 13:34:04: Не удалось получить цитируемые данные для 10.22331 / q-2023-11-29-1191 от Crossref. Это нормально, если DOI был зарегистрирован недавно.

Эта статья опубликована в Quantum под Creative Commons Attribution 4.0 International (CC BY 4.0) лицензия. Авторское право остается за первоначальными правообладателями, такими как авторы или их учреждения.

Отметка времени:

Больше от Квантовый журнал