Квантове глибоке хеджування

Перевидано Платоном

читають: 0

Ель Амін Черрат^1,2, Снегал Радж¹, Іорданіс Керенідіс^1,2, Абхішек Шекхар³, Бен Вуд³, Джон Ді³, Шуванік Чакрабарті⁴, Річард Чен⁴, Ділан Герман⁴, Шаохан Ху⁴, П'єр Мінссен⁴, Руслан Шайдулін⁴, Юе Сун⁴, Роміна Яловецький⁴ та Марко Пістоя⁴

¹Посуд QC
²Паризький університет, CNRS, IRIF
³Кількісні дослідження, JPMorgan Chase
⁴Global Technology Applied Research, JPMorgan Chase

Вам цей документ цікавий чи ви хочете обговорити? Скайте або залиште коментар на SciRate.

абстрактний

Квантове машинне навчання має потенціал для трансформаційного впливу в галузях промисловості, зокрема у фінансах. У нашій роботі ми розглядаємо проблему хеджування, де глибоке навчання з підкріпленням пропонує потужну основу для реальних ринків. Ми розробляємо методи навчання з квантовим підкріпленням, засновані на алгоритмах пошуку політики та розподілу акторів-критики, які використовують архітектуру квантової нейронної мережі з ортогональними та складеними рівнями для функцій політики та цінності. Ми доводимо, що квантові нейронні мережі, які ми використовуємо, піддаються навчанню, і ми проводимо масштабне моделювання, яке показує, що квантові моделі можуть зменшити кількість параметрів, які можна навчити, досягаючи порівнянної продуктивності та що розподільний підхід забезпечує кращу продуктивність, ніж інші стандартні підходи, як класичні, так і квантові. . Ми успішно реалізуємо запропоновані моделі на квантовому процесорі з захопленими іонами, використовуючи схеми з кубітами до $16$, і спостерігаємо продуктивність, яка добре узгоджується з безшумним моделюванням. Наші квантові методи є загальними і можуть бути застосовані до інших проблем навчання з підкріпленням, крім хеджування.

► Дані BibTeX

@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} }

► Список літератури

[1] Ганс Бюлер, Лукас Гонон, Джозеф Тайхман і Бен Вуд. «Глибоке хеджування». Кількісні фінанси 19, 1271–1291 (2019). url: https:///doi.org/10.1080/14697688.2019.1571683.
https: / / doi.org/ 10.1080 / 14697688.2019.1571683

[2] Ганс Бюлер, Лукас Гонон, Йозеф Тайхманн, Бен Вуд, Баранідаран Мохан і Джонатан Кохемс. «Глибоке хеджування: хеджування похідних фінансових інструментів за умов загальних ринкових конфліктів з використанням підкріпленого навчання». Електронний журнал SSRN (2019). url: http:///dx.doi.org/10.2139/ssrn.3355706.
https:///doi.org/10.2139/ssrn.3355706

[3] Шихао Гу, Браян Т. Келлі та Дачен Сю. «Емпіричне ціноутворення активів за допомогою машинного навчання». Електронний журнал SSRN (2018). url: http:///dx.doi.org/10.2139/ssrn.3159577.
https:///doi.org/10.2139/ssrn.3159577

[4] Хьонг Кю Чой. «Прогнозування коефіцієнта кореляції ціни акцій за допомогою гібридної моделі ARIMA-LSTM» (2018). url: https:///doi.org/10.48550/arXiv.1808.01560.
https:///doi.org/10.48550/arXiv.1808.01560

[5] Яда Чжу, Джованні Маріані та Цзяньбо Лі. «Язичник: аналіз портфоліо з генеративними змагальними мережами». Електронний журнал SSRN (2020). url: https:///dx.doi.org/10.2139/ssrn.3755355.
https:///doi.org/10.2139/ssrn.3755355

[6] Кан Чжан, Гоцян Чжун, Цзюнюй Донг, Шенгке Ван і Йон Ван. «Прогнозування фондового ринку на основі генеративної змагальної мережі». 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 Джаймунгал і Леандро Санчес-Бетанкур. «Глибоке підкріплення навчання для алгоритмічної торгівлі». Електронний журнал SSRN (2021). url: https:///dx.doi.org/10.2139/ssrn.3812473.
https:///doi.org/10.2139/ssrn.3812473

[8] Юе Ден, Фен Бао, Юйонг Конг, Чжіцюань Рен і Цюнхай Дай. «Глибоке навчання прямого підкріплення для подання фінансових сигналів і торгівлі». Транзакції IEEE щодо нейронних мереж і систем навчання 28, 653–664 (2017). url: https:///doi.org/10.1109/TNNLS.2016.2522401.
https:///doi.org/10.1109/TNNLS.2016.2522401

[9] Юньчао Лю, Шрінівасан Аруначалам і Крістан Темме. «Суворе та надійне квантове прискорення керованого машинного навчання». Nature Physics 2021 17:9 17, 1013–1017 (2021). url: https:///doi.org/10.1038/s41567-021-01287-z.
https: / / doi.org/ 10.1038 / s41567-021-01287-z

[10] Шантанав Чакраборті, Андраш Гільєн і Стейсі Джеффрі. «Потужність блочно-кодованих степенів матриці: покращені методи регресії за допомогою швидшого гамільтоніанського моделювання». У Крістель Баєр, Іоанніс Хацігіаннакіс, Паола Флоккіні та Стефано Леонарді, редактори, 46-й Міжнародний колоквіум з автоматів, мов і програмування (ICALP 2019). Том 132 Leibniz International Proceedings in Informatics (LIPIcs), сторінки 33:1–33:14. Дагштуль, Німеччина (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 Гільєн, Шрінівасан Аруначалам і Натан Вібе. «Оптимізація алгоритмів квантової оптимізації за допомогою швидшого обчислення квантового градієнта». У матеріалах щорічного симпозіуму ACM-SIAM з дискретних алгоритмів (SODA) 2019 року. Сторінки 1425–1444. (2019). url: https:///doi.org/10.1137/1.9781611975482.87.
https: / / doi.org/ 10.1137 / 1.9781611975482.87

[12] Марко Серезо, Ендрю Аррасміт, Раян Беббуш, Саймон С. Бенджамін, Сугуру Ендо, Кейсуке Фуджі, Джаррод Р. МакКлін, Косуке Мітараі, Сяо Юань, Лукаш Сінчіо та Патрік Дж. Коулз. “Варіаційні квантові алгоритми”. 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] Іорданіс Керенідіс, Анупам Пракаш і Даніель Сілагі. «Квантові алгоритми для оптимізації портфоліо». У матеріалах 1-ї конференції ACM про досягнення у фінансових технологіях. Сторінки 147–155. Цюрих, Швейцарія (2019). ACM. url: https:///doi.org/10.1145/3318041.3355465.
https: / / doi.org/ 10.1145 / 3318041.3355465

[14] Лукас Леклерк, Луїс Ортіс-Гутьєррес, Себастьян Гріхальва, Борис Альбрехт, Джулія Р. К. Клайн, Вінсент Ельфвінг, Адрієн Сіньолес, Лоїк Генрієт, Джанні Дель Бімбо, Усман Аюб Шейх, Мейтрі Шах, Люк Андреа, Фейсал Іштіак, Андоні Дуарте, Семюель Мугель, Ірен Касерес, Мішель Курек, Роман Орус, Ахраф Седдік, Умайма Хаммаммі, Хасен Іссельнане та Дідьє М'тамон. «Управління фінансовими ризиками на квантовому процесорі з нейтральним атомом» (2022). url: https:///doi.org/10.48550/arXiv.2212.03223.
https:///doi.org/10.48550/arXiv.2212.03223

[15] Дімітріос Емманулопулос і Софія Дімоска. «Квантове машинне навчання у фінансах: прогнозування часових рядів» (2022). url: https:///doi.org/10.48550/arXiv.2202.00599.
https:///doi.org/10.48550/arXiv.2202.00599

[16] Патрік Ребентрост, Браджеш Гупт і Томас Р. Бромлі. «Квантові обчислювальні фінанси: Монте-Карло ціноутворення похідних фінансових інструментів». Physical Review A 98, 022321 (2018). url: https:///doi.org/10.1103/PhysRevA.98.022321.
https: / / doi.org/ 10.1103 / PhysRevA.98.022321

[17] Жоао Ф. Дорігуелло, Алессандро Луонго, Джінге Бао, Патрік Ребентрост і Міклош Санта. “Квантовий алгоритм для стохастичних задач оптимальної зупинки із застосуванням у фінансах”. У Франсуа Ле Гала та Томоюкі Моріме, редакторів, 17-а конференція з теорії квантових обчислень, комунікації та криптографії (TQC 2022). Том 232 Leibniz International Proceedings in Informatics (LIPIcs), сторінки 2:1–2:24. Дагштуль, Німеччина (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] Прадіп Нірула, Руслан Шайдулін, Роміна Яловецький, П’єр Мінссен, Ділан Герман, Шаохан Ху та Марко Пістоя. «Квантова оптимізація з обмеженнями для екстрактивного підсумовування на квантовому комп’ютері з захопленими іонами». Наукові доповіді 12 (2022). url: https:///doi.org/10.1038/s41598-022-20853-w.
https: / / doi.org/ 10.1038 / s41598-022-20853-w

[19] Александр Менар, Іван Остойич, Марк Патель і Даніель Вольц. «План гри для квантових обчислень». 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] Ділан Герман, Коді Гугін, Сяоюань Лю, Олексій Галда, Ілля Сафро, Юе Сун, Марко Пістоя та Юрій Алексєєв. «Огляд квантових обчислень для фінансів» (2022). url: https:///doi.org/10.48550/arXiv.2201.02773.
https:///doi.org/10.48550/arXiv.2201.02773

[21] Джаррод Р. МакКлін, Серхіо Бойшо, Вадим Н. Смілянський, Раян Беббуш і Хартмут Невен. «Безплідні плато в ландшафтах навчання квантової нейронної мережі». 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] Іорданіс Керенідіс, Йонас Ландман і Натанш Матур. «Класичні та квантові алгоритми для ортогональних нейронних мереж» (2022). url: https:///doi.org/10.48550/arXiv.2106.07198.
https:///doi.org/10.48550/arXiv.2106.07198

[23] Зебін Ян, Айдзюнь Чжан і Агус Судджянто. «Підвищення пояснюваності нейронних мереж через обмеження архітектури». Транзакції IEEE щодо нейронних мереж і систем навчання 32, 2610–2621 (2021). url: https:///doi.org/10.1109/TNNLS.2020.3007259.
https:///doi.org/10.1109/TNNLS.2020.3007259

[24] Шуай Лі, Куй Цзя, Юйсін Вень, Тунлян Лю і Дачен Тао. «Ортогональні глибокі нейронні мережі». 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] Альхусейн Фавзі, Матей Балог, Аджа Хуанг, Томас Губерт, Бернардіно Ромера-Паредес, Мохаммадамін Барекатайн, Олександр Новіков, Франсіско Дж. Р. Руїс, Джуліан Шрітвізер, Гжегож Свірщ, Девід Сільвер, Деміс Хассабіс і Пушміт Колі. «Відкриття швидших алгоритмів множення матриць із навчанням з підкріпленням». 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] Клер Лайл, Марк Г. Бельмар і Пабло Самуель Кастро. «Порівняльний аналіз очікуваного та розподіленого навчання з підкріпленням». Матеріали конференції AAAI зі штучного інтелекту 33, 4504–4511 (2019). url: https:///doi.org/10.1609/aaai.v33i01.33014504.
https:///doi.org/10.1609/aaai.v33i01.33014504

[27] «Квантинуум H1-1, H1-2». https:///www.quantinuum.com/ (2022). Доступ: 15-22 листопада 2022 р.; 7-12 грудня 2022 року.
https:///www.quantinuum.com/

[28] Деніел Дж. Брод. «Ефективне класичне моделювання схем matchgate з узагальненими входами та вимірюваннями». Physical Review A 93 (2016). url: https:///doi.org/10.1103/physreva.93.062332.
https:///doi.org/10.1103/physreva.93.062332

[29] Метью Л. Го, Мартін Ларокка, Лукаш Сінчіо, М. Серезо та Фредерік Соваж. «Лі-алгебраїчне класичне моделювання для варіаційних квантових обчислень» (2023). url: https:///doi.org/10.48550/arXiv.2308.01432.
https:///doi.org/10.48550/arXiv.2308.01432

[30] Міхал Ошманець, Ніннат Дангніам, Мауро Е.С. Моралес і Золтан Зімборас. «Ферміонна вибірка: надійна схема квантових обчислювальних переваг із використанням ферміонної лінійної оптики та магічних вхідних станів». PRX Quantum 3 (2022). url: https:///doi.org/10.1103/PRXQuantum.3.020328.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020328

[31] Майкл А. Нільсен та Ісаак Л. Чуанг. «Квантові обчислення та квантова інформація: видання до 10-ї річниці». Cambridge University Press. (2012). 1 видання. url: https:///doi.org/10.1017/CBO9780511976667.
https:///doi.org/10.1017/CBO9780511976667

[32] Р.С. Саттон і А. Г. Барто. «Навчання з підкріпленням: вступ». 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] Кай Арулкумаран, Марк Пітер Дейзенрот, Майлз Брандейдж та Аніл Ентоні Бхарат. «Глибоке навчання з підкріпленням: короткий огляд». 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 Візе, Ляньцзюнь Бай, Бен Вуд і Ганс Бюлер. «Глибоке хеджування: навчитися моделювати ринки опціонів на акції». Електронний журнал SSRN (2019). url: https:///dx.doi.org/10.2139/ssrn.3470756.
https:///doi.org/10.2139/ssrn.3470756

[35] Ганс Бюлер, Філіп Мюррей, Мікко С. Пакканен і Бен Вуд. «Глибоке хеджування: навчитися усувати дрейф під час трейдингу за допомогою мінімальних еквівалентних майже мартингальних заходів» (2022). url: https:///doi.org/10.48550/arXiv.2111.07844.
https:///doi.org/10.48550/arXiv.2111.07844

[36] Магнус Візе, Бен Вуд, Александр Пашуд, Ральф Корн, Ганс Бюлер, Мюррей Філліп і Ляньцзюнь Бай. «Моделювання ринку спот і опціонів із багатьма активами». Електронний журнал SSRN (2021). url: https:///dx.doi.org/10.2139/ssrn.3980817.
https:///doi.org/10.2139/ssrn.3980817

[37] Філіп Мюррей, Бен Вуд, Ганс Бюлер, Магнус Візе та Мікко Пакканен. «Глибоке хеджування: безперервне підсилювальне навчання для хеджування загальних портфелів від багатьох уникнень ризику». У матеріалах Третьої міжнародної конференції ACM з ШІ у фінансах. Сторінки 361–368. ICAIF ’22Нью-Йорк, Нью-Йорк, США (2022). Асоціація обчислювальної техніки. url: https:///doi.org/10.1145/3533271.3561731.
https: / / doi.org/ 10.1145 / 3533271.3561731

[38] Косуке Мітараї, Макото Негоро, Масахіро Кітаґава та Кейсуке Фуджі. «Навчання квантових схем». Physical Review A 98, 032309 (2018). url: https:///doi.org/10.1103/PhysRevA.98.032309.
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[39] Ділан Герман, Руді Реймонд, Муюан Лі, Ніколас Роблес, Антоніо Меццакапо та Марко Пістоя. «Виразність варіативного квантового машинного навчання на булевому кубі» (2022). url: https:///doi.org/10.1109/TQE.2023.3255206.
https:///doi.org/10.1109/TQE.2023.3255206

[40] Едвард Фархі та Хартмут Невен. «Класифікація за допомогою квантових нейронних мереж на процесорах із короткостроковим терміном». Технічний звіт. Web of Open Science (2020). url: https:///doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002

[41] Адріан Перес-Салінас, Альба Сервера-Ліерта, Еліс Гіл-Фустер і Хосе І. Латорре. «Повторне завантаження даних для універсального квантового класифікатора». 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 Івонна Лі, Мартін Страм, Скандер Каздаглі, Анупам Пракаш та Іорданіс Керенідіс. «Квантові методи для нейронних мереж і застосування до класифікації медичних зображень». 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 Бенедетті, Дельфіна Гарсіа-Пінтос, Оскар Пердомо, Вісенте Лейтон-Ортега, Юнсон Нам і Алехандро Пердомо-Ортіс. «Підхід до генеративного моделювання для порівняльного аналізу та навчання дрібних квантових схем». npj Квантова інформація 5, 45 (2019). url: https:///doi.org/10.1038/s41534-019-0157-8.
https://doi.org/10.1038/s41534-019-0157-8

[44] Марчелло Бенедетті, Браян Койл, Маттіа Фіорентіні, Майкл Любаш і Маттіас Розенкранц. «Варіаційний висновок за допомогою квантового комп’ютера». Physical Review Applied 16, 044057 (2021). url: https:///doi.org/10.1103/PhysRevApplied.16.044057.
https: / / doi.org/ 10.1103 / PhysRevApplied.16.044057

[45] Ніко Майєр, Крістіан Уфрехт, Маніраман Періясамі, Даніель Д. Шерер, Аксель Плінге та Крістофер Мутшлер. «Опитування про квантове підкріплення навчання» (2022). url: https:///doi.org/10.48550/arXiv.2211.03464.
https:///doi.org/10.48550/arXiv.2211.03464

[46] Войтех Гавлічек, Антоніо Д. Корколес, Крістан Темме, Арам В. Харроу, Абхінав Кандала, Джеррі М. Чоу та Джей М. Гамбетта. «Контрольоване навчання з квантово розширеними просторами функцій». 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] Марія Шульд, Райан Свеке та Йоганнес Якоб Майєр. «Вплив кодування даних на виражальну силу варіаційних моделей квантово-машинного навчання». Physical Review A 103, 032430 (2021). url: https:///doi.org/10.1103/PhysRevA.103.032430.
https: / / doi.org/ 10.1103 / PhysRevA.103.032430

[48] Франсіско Хав'єр Гіл Відаль і Дірк Олівер Тайс. “Вхідна надлишковість для параметризованих квантових схем”. Frontiers in Physics 8, 297 (2020). url: https:///doi.org/10.3389/fphy.2020.00297.
https:///doi.org/10.3389/fphy.2020.00297

[49] Ель Амін Черрат, Іорданіс Керенідіс, Натанш Матур, Йонас Ландман, Мартін Страм та Юн Івонна Лі. «Квантові трансформатори зору» (2022). url: https:///doi.org/10.48550/arXiv.2209.08167.
https:///doi.org/10.48550/arXiv.2209.08167

[50] Марія Шульд, Вілле Бергхольм, Крістіан Гоголін, Джош Ізаак і Натан Кіллоран. «Оцінка аналітичних градієнтів на квантовому обладнанні». Physical Review A 99, 032331 (2019). url: https:///doi.org/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[51] Іорданіс Керенідіс. «Метод завантаження класичних даних у квантові стани для програм машинного навчання та оптимізації». Заявка на патент США (2020). url: https:///patents.google.com/patent/US20210319350A1.
https:///patents.google.com/patent/US20210319350A1

[52] Соніка Джохрі, Шантану Дебнат, Авінаш Мочерла, Александрос Сінгк, Анупам Пракаш, Юнгсанг Кім та Іорданіс Керенідіс. «Класифікація найближчого центроїда на квантовому комп’ютері захоплених іонів». npj Квантова інформація 7, 122 (2021). url: https:///doi.org/10.1038/s41534-021-00456-5.
https://doi.org/10.1038/s41534-021-00456-5

[53] Іорданіс Керенідіс і Анупам Пракаш. «Квантове машинне навчання з підпросторовими станами» (2022). url: https:///doi.org/10.48550/arXiv.2202.00054.
https:///doi.org/10.48550/arXiv.2202.00054

[54] Ашіш Васвані, Ноам Шазір, Нікі Пармар, Якоб Ушкорейт, Лліон Джонс, Ейдан Н. Гомес, Лукаш Кайзер та Ілля Полосухін. «Увага – це все, що вам потрібно». У I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan і R. Garnett, редактори, Досягнення в нейронних системах обробки інформації. Том 30. Curran Associates, Inc. (2017). url: https:///doi.org/10.48550/arXiv.1706.03762.
https:///doi.org/10.48550/arXiv.1706.03762

[55] Мартін Ларокка, Фредерік Соваж, Фаріс М. Сбахі, Гійом Вердон, Патрік Дж. Коулз і М. Серезо. «Групово-інваріантне квантове машинне навчання». PRX Quantum 3, 030341 (2022). url: https:///doi.org/10.1103/PRXQuantum.3.030341.
https: / / doi.org/ 10.1103 / PRXQuantum.3.030341

[56] Цзяяо Чжан, Гуансю Чжу, Роберт В. Хіт молодший і Кайбін Хуан. «Навчання Ґрассмана: вбудовування знань про геометрію в дрібне та глибоке навчання» (2018). url: https:///doi.org/10.48550/arXiv.1808.02229.
https:///doi.org/10.48550/arXiv.1808.02229

[57] Сючен Ю, Шуванік Чакрабарті та Сяоді Ву. «Теорія конвергенції для надпараметризованих варіаційних квантових власних розв’язувачів» (2022). url: https:///doi.org/10.48550/arXiv.2205.12481.
https:///doi.org/10.48550/arXiv.2205.12481

[58] Мартін Ларокка, Натан Джу, Дієго Гарсія-Мартін, Патрік Дж. Коулз і М. Серезо. «Теорія надпараметризації в квантових нейронних мережах» (2021). url: https:///doi.org/10.1038/s43588-023-00467-6.
https://doi.org/10.1038/s43588-023-00467-6

[59] Мартін Ларокка, Пьотр Чарнік, Кунал Шарма, Гопікрішнан Муралідхаран, Патрік Дж. Коулз і Марко Серезо. «Діагностика безплідних плато за допомогою інструментів квантового оптимального контролю». 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 Коллінз і Пьотр Сняді. «Інтегрування відносно міри Хаара в унітарній, ортогональній і симплектичній групі». Повідомлення в математичній фізиці 264, 773–795 (2006). url: https:///doi.org/10.1007/s00220-006-1554-3.
https://doi.org/10.1007/s00220-006-1554-3

[61] Енріко Фонтана, Ділан Герман, Шуванік Чакрабарті, Нірадж Кумар, Роміна Яловецький, Джеймі Херед, Шрі Харі Сурешбабу та Марко Пістоя. «Приєднання — це все, що вам потрібно: характеристика безплідних плато в квантовій ансетці» (2023). url: https:///doi.org/10.48550/arXiv.2309.07902.
https:///doi.org/10.48550/arXiv.2309.07902

[62] Майкл Рагоне, Бойко Н. Бакалов, Фредерік Соваж, Олександр Ф. Кемпер, Карлос Ортіс Марреро, Мартін Ларокка та М. Серезо. «Єдина теорія безплідних плато для глибоких параметризованих квантових 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. Гріло, Ромен Кукла та Елхам Кашефі. «Можливість навчання та експресивність квантових схем із збереженням ваги Хеммінга для машинного навчання» (2023). url: https:///doi.org/10.48550/arXiv.2309.15547.
https:///doi.org/10.48550/arXiv.2309.15547

[64] Каінін Чжан, Лю Лю, Мін-Сю Сє та Дачен Тао. «Втеча з Безплідного плато через ініціалізацію Гауса в глибоких варіаційних квантових схемах» (2022). url: https:///doi.org/10.48550/arXiv.2203.09376.
https:///doi.org/10.48550/arXiv.2203.09376

[65] Оуен Локвуд і Мей Сі. «Гра в Atari з гібридним квантово-класичним підкріпленням» (2021). url: https:///doi.org/10.48550/arXiv.2107.04114.
https:///doi.org/10.48550/arXiv.2107.04114

[66] Семюель Єн-Чі Чен, Чао-Хан Хак Ян, Джун Ці, Пін-Ю Чен, Сяолі Ма та Сі-Шен Гоан. «Варіативні квантові схеми для глибокого навчання з підкріпленням». IEEE Access 8, 141007–141024 (2020). url: https:///doi.org/10.1109/ACCESS.2020.3010470.
https:///doi.org/10.1109/ACCESS.2020.3010470

[67] Оуен Локвуд і Мей Сі. «Навчання з підкріпленням за допомогою квантової варіаційної схеми». Матеріали конференції AAAI зі штучного інтелекту та інтерактивних цифрових розваг 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, Сої Чон, Чон-Кук Кім і Джунхон Кім. «Вступ до навчання з квантовим підкріпленням: теорія та впровадження на основі PennyLane». У 2021 році Міжнародна конференція з конвергенції інформаційно-комунікаційних технологій (ICTC). Сторінки 416–420. Острів Чеджу, Республіка Корея (2021). IEEE. url: https:///doi.org/10.1109/ICTC52510.2021.9620885.
https:///doi.org/10.1109/ICTC52510.2021.9620885

[69] Софієн Джербі, Каспер Гюрік, Саймон Маршалл, Ганс Брігель і Ведран Дунько. «Параметризовані квантові політики для навчання з підкріпленням». У M. Ranzato, A. Beygelzimer, Y. Dauphin, P.S. Лян і Дж. Вортман Воган, редактори, Досягнення в нейронних системах обробки інформації. Том 34, сторінки 28362–28375. Curran Associates, Inc. (2021). url: https:///doi.org/10.48550/arXiv.2103.05577.
https:///doi.org/10.48550/arXiv.2103.05577

[70] Джен-Юе Сяо, Юйсюань Ду, Вей-Інь Чан, Мін-Сю Сє та Сі-Шен Гоан. «Розплетені агенти квантового посилення навчання в OpenAI Gym» (2022). url: https:///doi.org/10.48550/arXiv.2203.14348.
https:///doi.org/10.48550/arXiv.2203.14348

[71] Ель Амін Черрат, Іорданіс Керенідіс та Анупам Пракаш. «Навчання з квантовим підкріпленням через ітерацію політики». Квантовий машинний інтелект 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, Арті Сундарам, Робін Котарі, Ашіш Капур і Мартін Роттлер. “Квантові алгоритми для навчання з підкріпленням за допомогою генеративної моделі”. На міжнародній конференції з машинного навчання. Сторінки 10916–10926. PMLR (2021). url: https:///doi.org/10.48550/arXiv.2112.08451.
https:///doi.org/10.48550/arXiv.2112.08451

[73] Софієн Джербі, Ар'ян Корнеліссен, Маріс Озолс і Ведран Дунько. «Алгоритми градієнта квантової політики» (2022). url: https:///doi.org/10.48550/arXiv.2212.09328.
https:///doi.org/10.48550/arXiv.2212.09328

[74] Ар'ян Корнеліссен. «Оцінка квантового градієнта та її застосування до навчання з квантовим підкріпленням». Магістерська робота (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 і Junyu Liu. «Методи квантових обчислень для управління ланцюгом поставок». У 2022 році на 7-му симпозіумі IEEE/ACM з периферійних обчислень (SEC). Сторінки 400–405. Сіетл, штат Вашингтон, США (2022). IEEE. url: https:///doi.org/10.1109/SEC54971.2022.00059.
https:///doi.org/10.1109/SEC54971.2022.00059

[76] Марк Г. Бельмар, Вілл Дабні та Ремі Мунос. «Розподільна перспектива навчання з підкріпленням». У матеріалах 34-ї Міжнародної конференції з машинного навчання – Том 70. Сторінки 449–458. ICML’17Сідней, Новий Південний Уельс, Австралія (2017). JMLR.org. url: https:///doi.org/10.48550/arXiv.1707.06887.
https:///doi.org/10.48550/arXiv.1707.06887

[77] Вілл Дабні, Марк Роуленд, Марк Бельмар і Ремі Мунос. «Навчання з розподільним підкріпленням із квантильною регресією». Матеріали конференції AAAI зі штучного інтелекту 32 (2018). url: https:///doi.org/10.1609/aaai.v32i1.11791.
https:///doi.org/10.1609/aaai.v32i1.11791

[78] Маттіас К. Каро та Ішон Датта. “Псевдорозмірність квантових кіл”. Квантова машина інтелекту 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 Філіп і Бен Вуд. «Глибоке хеджування Беллмана». Електронний журнал SSRN (2022). url: https:///dx.doi.org/10.2139/ssrn.4151026.
https:///doi.org/10.2139/ssrn.4151026

[80] Тхань Нгуєн-Танг, Суніл Гупта та Свєта Венкатеш. «Навчання з розподільним підкріпленням за допомогою відповідності моментів». Матеріали конференції AAAI зі штучного інтелекту 35, 9144–9152 (2021). url: https:///doi.org/10.1609/aaai.v35i10.17104.
https:///doi.org/10.1609/aaai.v35i10.17104

Цитується

[1] Енріко Фонтана, Ділан Герман, Шуванік Чакрабарті, Нірадж Кумар, Роміна Яловецкі, Джеймі Хередж, Шрі Харі Сурешбабу та Марко Пістойя, «The Adjoint is All You Need: Characterizing Barren Plateaus in Quantum Ansätze», arXiv: 2309.07902, (2023).

[2] Ділан Герман, Коді Гугін, Сяоюань Лю, Юе Сун, Олексій Галда, Ілля Сафро, Марко Пістоя та Юрій Алексєєв, «Квантові обчислення для фінансів», Nature Reviews Physics 5 8, 450 (2023).

[3] Олександр Седих, Манінадх Подапака, Асель Сагінгалієва, Каран Пінто, Маркус Пфліч та Олексій Мельников, «Гібридні нейронні мережі на основі квантової фізики для моделювання обчислювальної динаміки рідини складних форм», arXiv: 2304.11247, (2023).

Вищезазначені цитати від SAO / NASA ADS (останнє оновлення успішно 2023-11-29 13:34:05). Список може бути неповним, оскільки не всі видавці надають відповідні та повні дані про цитування.

Не вдалося отримати Перехресне посилання, наведене за даними під час останньої спроби 2023-11-29 13:34:04: Не вдалося отримати цитовані дані для 10.22331/q-2023-11-29-1191 з Crossref. Це нормально, якщо DOI був зареєстрований нещодавно.

Ця стаття опублікована в Quantum під Creative Commons Attribution 4.0 International (CC на 4.0) ліцензія. Авторське право залишається за оригінальними власниками авторських прав, такими як автори або їх установи.

Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
джерело: https://quantum-journal.org/papers/q-2023-11-29-1191/

Часова мітка: Листопад 29, 2023

Часова мітка: Вересень 25, 2023

Квантове глибоке хеджування

Перевидано Платоном

абстрактний

► Дані BibTeX

► Список літератури

Цитується

Більше від Квантовий журнал

Розпізнавання квантової фази за допомогою методів квантового ядра

Сезонна подача сну

Релятивістське дискретне просторово-часове формулювання 3+1 QED

Підготовка стану в моделі Гейзенберга через адіабатичну спіраль

Роль когерентності матерії в заплутаності через силу тяжіння

Середнє польове дослідження двовимірного утворення конденсату квазічастинок за наявності сильного розпаду

Схеми просторово-часових квантових каналів

Коди довільного доступу через квантову контекстну надлишковість

Дослідження квантової заплутаності за допомогою популяцій магнітних підрівнів: за межами нерівностей спін-стиску

Перевірка симетрії на квантових комп'ютерах

Про нас

Вертикальний пошук & Ai

платформа

Залишайтеся на зв'язку

рахунки