量子深度对冲

[1] 汉斯·布勒、卢卡斯·戈农、约瑟夫·泰克曼和本·伍德。 “深度对冲”。量化金融 19, 1271–1291 (2019)。网址：https://doi.org/10.1080/14697688.2019.1571683。
https：/ / doi.org/10.1080/ 14697688.2019.1571683

[2] 汉斯·布勒、卢卡斯·戈农、约瑟夫·泰希曼、本·伍德、巴拉尼达兰·莫汉和乔纳森·科赫姆斯。 “深度对冲：使用强化学习在一般市场摩擦下对冲衍生品”。 SSRN 电子期刊（2019）。网址：http://dx.doi.org/10.2139/ssrn.3355706。
https：/ / doi.org/ 10.2139 / ssrn.3355706

[3] 顾世豪、布莱恩·T·凯利、修大成。 “通过机器学习进行经验资产定价”。 SSRN 电子期刊（2018）。网址：http://dx.doi.org/10.2139/ssrn.3159577。
https：/ / doi.org/ 10.2139 / ssrn.3159577

[4] 崔亨圭. “利用 ARIMA-LSTM 混合模型进行股票价格相关系数预测”（2018）。网址：https://doi.org/10.48550/arXiv.1808.01560。
https://doi.org/10.48550/arXiv.1808.01560

[5] 朱雅达、乔瓦尼·马里亚尼和李剑波。 “Pagan：利用生成对抗网络进行投资组合分析”。 SSRN 电子期刊（2020）。网址：https://dx.doi.org/10.2139/ssrn.3755355。
https：/ / doi.org/ 10.2139 / ssrn.3755355

[6] 张康，钟国强，董俊宇，王胜科，王勇。 “基于生成对抗网络的股市预测”。 Procedia 计算机科学 147, 400–406 (2019)。网址：https://doi.org/10.1016/j.procs.2019.01.256。
https://doi.org/10.1016/j.procs.2019.01.256

[7] 阿尔瓦罗·卡尔泰亚、塞巴斯蒂安·贾蒙加尔和莱安德罗·桑切斯-贝当古。 “算法交易的深度强化学习”。 SSRN 电子期刊（2021）。网址：https://dx.doi.org/10.2139/ssrn.3812473。
https：/ / doi.org/ 10.2139 / ssrn.3812473

[8] 邓跃，包峰，孔友勇，任志全，戴琼海。 “金融信号表示和交易的深度直接强化学习”。 IEEE 神经网络和学习系统汇刊 28, 653–664 (2017)。网址：https://doi.org/10.1109/TNNLS.2016.2522401。
https:///​doi.org/​10.1109/​TNNNS.2016.2522401

[9] Yunchao Liu、Srinivasan Arunachalam 和 Kristan Temme。 “监督机器学习中严格而强大的量子加速”。自然物理学 2021 17:9 17, 1013–1017 (2021)。网址：https://doi.org/10.1038/s41567-021-01287-z。
https：/ / doi.org/ 10.1038 / s41567-021-01287-z

[10] 尚塔纳夫·查克拉博蒂、安德拉斯·吉利恩和斯泰西·杰弗里。 “块编码矩阵幂的威力：通过更快的哈密顿模拟改进回归技术”。作者：Christel Baier、Ioannis Chatzigiannakis、Paola Flocchini 和 Stefano Leonardi，编辑，第 46 届国际自动机、语言和编程研讨会 (ICALP 2019)。 《莱布尼茨国际信息学学报》(LIPIcs) 第 132 卷，第 33:1–33:14 页。德国达格施图尔（2019）。 Schloss Dagstuhl-Leibniz-Zentrum fuer Informatik。网址：https://doi.org/10.4230/LIPIcs.ICALP.2019.33。
https：///doi.org/10.4230/LIPIcs.ICALP.2019.33

[11] 安德拉斯·吉利恩、斯里尼瓦桑·阿鲁纳查拉姆和内森·维贝。 “通过更快的量子梯度计算优化量子优化算法”。 2019 年年度 ACM-SIAM 离散算法研讨会 (SODA) 论文集。第 1425-1444 页。 （2019）。网址：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 和 Patrick J. Coles。 “变分量子算法”。自然评论物理学 3, 625–644 (2021)。网址：https://doi.org/10.1038/s42254-021-00348-9。
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

[13] Iordanis Kerenidis、Anupam Prakash 和 Dániel Szilágyi。 “投资组合优化的量子算法”。第一届 ACM 金融技术进步会议论文集。第 1-147 页。瑞士苏黎世（155）。 ACM。网址：https://doi.org/2019/10.1145。
https：/ / doi.org/10.1145/ 3318041.3355465

[14] 卢卡斯·勒克莱尔、路易斯·奥尔蒂斯-吉铁雷斯、塞巴斯蒂安·格里哈尔瓦、鲍里斯·阿尔布雷希特、朱莉娅·RK·克莱恩、文森特·艾尔夫文、阿德里安·西格诺尔斯、卢伊克·亨利特、吉安尼·德尔·宾博、乌斯曼·阿尤布·谢赫、梅特里·沙阿、卢克·安德里亚、费萨尔·伊什蒂亚克、安多尼·杜阿尔特、塞缪尔·穆格尔, Irene Caceres、Michel Kurek、Román Orús、Achraf Seddik、Oumaima Hammammi、Hacene Isselnane 和 Didier M'tamon。 “中性原子量子处理器的金融风险管理”（2022）。网址：https://doi.org/10.48550/arXiv.2212.03223。
https://doi.org/10.48550/arXiv.2212.03223

[15] 迪米特里奥斯·埃马努洛普洛斯和索菲娅·迪莫斯卡。 “金融中的量子机器学习：时间序列预测”（2022 年）。网址：https://doi.org/10.48550/arXiv.2202.00599。
https://doi.org/10.48550/arXiv.2202.00599

[16] 帕特里克·雷本特罗斯特、布拉杰什·古普特和托马斯·R·布罗姆利。 “量子计算金融：金融衍生品的蒙特卡罗定价”。物理评论 A 98, 022321 (2018)。网址：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 和 Miklos Santha。 “随机最优停止问题的量子算法及其在金融中的应用”。弗朗索瓦·勒加尔 (François Le Gall) 和 Tomoyuki Morimae 编辑，第 17 届量子计算、通信和密码学理论会议 (TQC 2022)。 《莱布尼茨国际信息学学报》(LIPIcs) 第 232 卷，第 2:1–2:24 页。德国达格施图尔 (2022)。 Schloss Dagstuhl – 莱布尼茨信息中心。网址：https://doi.org/10.4230/LIPIcs.TQC.2022.2。
https：/ / doi.org/ 10.4230 / LIPIcs.TQC.2022.2

[18] 普拉迪普·尼鲁拉、鲁斯兰·谢杜林、罗米娜·亚洛维茨基、皮埃尔·明森、迪伦·赫尔曼、胡绍瀚和马可·皮斯托亚。 “在捕获离子量子计算机上进行提取总结的约束量子优化”。科学报告 12 (2022)。网址：https://doi.org/10.1038/s41598-022-20853-w。
https：/ / doi.org/ 10.1038 / s41598-022-20853-w

[19] 亚历山大·梅纳德、伊万·奥斯托伊奇、马克·帕特尔和丹尼尔·沃尔兹。 “量子计算的游戏计划”。麦肯锡季刊（2020）。网址：https://www.mckinsey.com/capability/mckinsey-digital/our-insights/a-game-plan-for-quantum-computing。
https:/​/​www.mckinsey.com/​功能/​mckinsey-digital/​our-insights/​a-game-plan-for-quantum-computing

[20] 迪伦·赫尔曼、科迪·古金、刘晓媛、阿列克谢·加尔达、伊利亚·萨夫罗、孙悦、马可·皮斯托亚和尤里·阿列克谢耶夫。 “金融量子计算调查”（2022 年）。网址：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 和 Hartmut Neven。 “量子神经网络训练领域的贫瘠高原”。自然通讯 9, 4812 (2018)。网址：https://doi.org/10.1038/s41467-018-07090-4。
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[22] 约丹尼斯·凯雷尼迪斯、乔纳斯·兰德曼和纳坦什·马图尔。 “正交神经网络的经典和量子算法”（2022）。网址：https://doi.org/10.48550/arXiv.2106.07198。
https://doi.org/10.48550/arXiv.2106.07198

[23] 杨泽宾、张爱君、Agus Sudjianto。 “通过架构约束增强神经网络的可解释性”。 IEEE 神经网络和学习系统汇刊 32, 2610–2621 (2021)。网址：https://doi.org/10.1109/TNNLS.2020.3007259。
https:///​doi.org/​10.1109/​TNNNS.2020.3007259

[24] 李帅，贾奎，温雨欣，刘铜良，陶大成。 “正交深度神经网络”。 IEEE 模式分析和机器智能汇刊 43, 1352–1368 (2021)。网址：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 和 Pushmeet Kohli。 “通过强化学习发现更快的矩阵乘法算法”。自然 610, 47–53 (2022)。网址：https://doi.org/10.1038/s41586-022-05172-4。
https:/​/​doi.org/​10.1038/​s41586-022-05172-4

[26] 克莱尔·莱尔、马克·G·贝尔马尔和巴勃罗·塞缪尔·卡斯特罗。 “预期强化学习和分布式强化学习的比较分析”。 AAAI 人工智能会议论文集 33, 4504–4511 (2019)。网址：https://doi.org/10.1609/aaai.v33i01.33014504。
https：/ / doi.org/ 10.1609 / aaai.v33i01.33014504

[27] “量子H1-1，H1-2”。 https://www.quantinuum.com/（2022）。访问时间：15 年 22 月 2022 日至 7 日； 12 年 2022 月 XNUMX 日至 XNUMX 日。
https://www.quantinuum.com/​

[28] 丹尼尔·J·布罗德。 “具有广义输入和测量的匹配门电路的高效经典仿真”。物理评论 A 93 (2016)。网址：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 和 Frédéric Sauvage。 “变分量子计算的李代数经典模拟”（2023）。网址：https://doi.org/10.48550/arXiv.2308.01432。
https://doi.org/10.48550/arXiv.2308.01432

[30] 米哈乌·奥斯曼尼克 (Michał Oszmaniec)、尼纳特·丹尼亚姆 (Ninnat Dangniam)、毛罗·ES·莫拉莱斯 (Mauro ES Morales) 和佐尔坦·辛博拉斯 (Zoltán Zimborás)。 “费米子采样：使用费米子线性光学和神奇输入状态的强大量子计算优势方案”。 PRX 量子 3 (2022)。网址：https://doi.org/10.1103/PRXQuantum.3.020328。
https：/ / doi.org/ 10.1103 / PRXQuantum.3.020328

[31] 迈克尔·A·尼尔森和艾萨克·L·庄。 《量子计算与量子信息：十周年纪念版》。剑桥大学出版社。 （10）。 2012 版。网址：https://doi.org/1/CBO10.1017。
https：/ / doi.org/ 10.1017 / CBO9780511976667

[32] RS 萨顿和 AG 巴托。 “强化学习：简介”。 IEEE 神经网络汇刊 9, 1054–1054 (1998)。网址：https://doi.org/10.1109/TNN.1998.712192。
https：///doi.org/10.1109/TNN.1998.712192

[33] 凯·阿鲁库马兰、马克·彼得·戴森罗斯、迈尔斯·布伦戴奇和阿尼尔·安东尼·巴拉斯。 “深度强化学习：简要调查”。 IEEE 信号处理杂志 34, 26–38 (2017)。网址：https://doi.org/10.1109/MSP.2017.2743240。
https：///doi.org/10.1109/MSP.2017.2743240

[34] 马格努斯·维泽、白连军、本·伍德和汉斯·布勒。 “深度对冲：学习模拟股票期权市场”。 SSRN 电子期刊（2019）。网址：https://dx.doi.org/10.2139/ssrn.3470756。
https：/ / doi.org/ 10.2139 / ssrn.3470756

[35] 汉斯·比勒 (Hans Buehler)、菲利普·默里 (Phillip Murray)、米科·S·帕卡宁 (Mikko S. Pakkanen) 和本·伍德 (Ben Wood)。 “深度对冲：学习用最小等价近鞅措施消除交易摩擦下的漂移”（2022）。网址：https://doi.org/10.48550/arXiv.2111.07844。
https://doi.org/10.48550/arXiv.2111.07844

[36] 马格努斯·维泽、本·伍德、亚历山大·帕乔德、拉尔夫·科恩、汉斯·布勒、默里·菲利普和白连军。 “多资产现货和期权市场模拟”。 SSRN 电子期刊（2021）。网址：https://dx.doi.org/10.2139/ssrn.3980817。
https：/ / doi.org/ 10.2139 / ssrn.3980817

[37] 菲利普·默里、本·伍德、汉斯·布勒、马格努斯·韦斯和米科·帕卡宁。 “深度对冲：持续强化学习，用于跨多种风险规避的一般投资组合对冲”。第三届 ACM 国际金融人工智能会议论文集。第 361–368 页。 ICAIF '22 美国纽约州纽约（2022 年）。计算机器协会。网址：https://doi.org/10.1145/3533271.3561731。
https：/ / doi.org/10.1145/ 3533271.3561731

[38] 御手洗浩介、根五郎真、喜多川正宏、藤井圭介。 “量子电路学习”。物理评论 A 98, 032309 (2018)。网址：https://doi.org/10.1103/PhysRevA.98.032309。
https：/ / doi.org/ 10.1103 / PhysRevA.98.032309

[39] 迪伦·赫尔曼、鲁迪·雷蒙德、李牧源、尼古拉斯·罗伯斯、安东尼奥·梅扎卡波和马可·皮斯托亚。 “布尔立方体上变分量子机器学习的表现力”（2022）。网址：https://doi.org/10.1109/TQE.2023.3255206。
https：///doi.org/10.1109/TQE.2023.3255206

[40] 爱德华·法尔希和哈特穆特·内文。 “近期处理器上的量子神经网络分类”。技术报告。开放科学网（2020）。网址：https://doi.org/10.48550/arXiv.1802.06002。
https://doi.org/10.48550/arXiv.1802.06002

[41] 阿德里安·佩雷斯·萨利纳斯、阿尔巴·塞尔韦拉·利尔塔、埃利斯·吉尔·福斯特和何塞·I·拉托雷。 “通用量子分类器的数据重新上传”。量子 4, 226 (2020)。网址：https://doi.org/10.22331/q-2020-02-06-226。
https:/​/​doi.org/​10.22331/​q-2020-02-06-226

[42] 乔纳斯·兰德曼、纳坦什·马图尔、Yun Yvonna Li、马丁·斯特拉姆、斯坎德·卡兹达格利、阿努潘·普拉卡什和 Iordanis Kerenidis。 “神经网络的量子方法及其在医学图像分类中的应用”。量子 6, 881 (2022)。网址：https://doi.org/10.22331/q-2022-12-22-881。
https:/​/​doi.org/​10.22331/​q-2022-12-22-881

[43] 马塞洛·贝内代蒂、德尔菲娜·加西亚-平托斯、奥斯卡·佩尔多莫、文森特·莱顿-奥尔特加、南云城和亚历杭德罗·佩尔多莫-奥尔蒂斯。 “一种用于基准测试和训练浅量子电路的生成建模方法”。 npj 量子信息 5, 45 (2019)。网址：https://doi.org/10.1038/s41534-019-0157-8。
https:/​/​doi.org/​10.1038/​s41534-019-0157-8

[44] 马塞洛·贝内代蒂、布莱恩·科伊尔、马蒂亚·菲奥伦蒂尼、迈克尔·卢巴什和马蒂亚斯·罗森克兰兹。 “量子计算机的变分推理”。应用物理评论 16, 044057 (2021)。网址：https://doi.org/10.1103/PhysRevApplied.16.044057。
https：/ / doi.org/ 10.1103 / PhysRevApplied.16.044057

[45] 尼科·迈耶、克里斯蒂安·乌弗雷希特、马尼拉曼·佩里亚萨米、丹尼尔·D·谢勒、阿克塞尔·普林格和克里斯托弗·穆茨勒。 “量子强化学习调查”（2022）。网址：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 和 Jay M. Gambetta。 “利用量子增强特征空间进行监督学习”。自然 567, 209–212 (2019)。网址：https://doi.org/10.1038/s41586-019-0980-2。
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[47] 玛丽亚·舒尔德、瑞安·斯威克和约翰内斯·雅各布·迈耶。 “数据编码对变分量子机器学习模型表达能力的影响”。物理评论 A 103, 032430 (2021)。网址：https://doi.org/10.1103/PhysRevA.103.032430。
https：/ / doi.org/ 10.1103 / PhysRevA.103.032430

[48] 弗朗西斯科·哈维尔·吉尔·维达尔和德克·奥利弗·泰斯。 “参数化量子电路的输入冗余”。物理学前沿 8, 297 (2020)。网址：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 和 Yun Yvonna Li。 “量子视觉变形金刚”（2022）。网址：https://doi.org/10.48550/arXiv.2209.08167。
https://doi.org/10.48550/arXiv.2209.08167

[50] 玛丽亚·舒尔德、维尔·伯格霍尔姆、克里斯蒂安·戈戈林、乔什·伊扎克和内森·基洛兰。 “评估量子硬件上的解析梯度”。物理评论 A 99, 032331 (2019)。网址：https://doi.org/10.1103/PhysRevA.99.032331。
https：/ / doi.org/ 10.1103 / PhysRevA.99.032331

[51] 约丹尼斯·凯雷尼迪斯。 “一种将经典数据加载到量子态中以用于机器学习和优化应用的方法”。美国专利申请（2020）。网址：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 和 Iordanis Kerenidis。 “俘获离子量子计算机上的最近质心分类”。 npj 量子信息 7, 122 (2021)。网址：https://doi.org/10.1038/s41534-021-00456-5。
https:/​/​doi.org/​10.1038/​s41534-021-00456-5

[53] Iordanis Kerenidis 和 Anupam Prakash。 “具有子空间状态的量子机器学习”（2022）。网址：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 和 Illia Polosukhin。 “你所需要的就是注意力”。 I. Guyon、U. Von Luxburg、S. Bengio、H. Wallach、R. Fergus、S. Vishwanathan 和 R. Garnett 编辑，《神经信息处理系统进展》。第 30 卷。Curran Associates, Inc. (2017)。网址：https://doi.org/10.48550/arXiv.1706.03762。
https://doi.org/10.48550/arXiv.1706.03762

[55] 马丁·拉罗卡、弗雷德里克·索瓦日、法里斯·M·斯巴希、纪尧姆·韦尔东、帕特里克·J·科尔斯和 M.塞雷佐。 “群不变量子机器学习”。 PRX 量子 3, 030341 (2022)。网址：https://doi.org/10.1103/PRXQuantum.3.030341。
https：/ / doi.org/ 10.1103 / PRXQuantum.3.030341

[56] 张家耀、朱光绪、小罗伯特·W·希思和黄凯宾。 “格拉斯曼学习：在浅层和深度学习中嵌入几何意识”（2018）。网址：https://doi.org/10.48550/arXiv.1808.02229。
https://doi.org/10.48550/arXiv.1808.02229

[57] 尤旭辰、Shouvanik Chakrabarti 和吴晓迪。 “超参数化变分量子本征求解器的收敛理论”（2022）。网址：https://doi.org/10.48550/arXiv.2205.12481。
https://doi.org/10.48550/arXiv.2205.12481

[58] 马丁·拉罗卡、内森·朱、迭戈·加西亚-马丁、帕特里克·J·科尔斯和 M.塞雷佐。 “量子神经网络中的超参数化理论”（2021）。网址：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 Muraledharan、Patrick J. Coles 和 Marco Cerezo。 “用量子最优控制工具诊断贫瘠高原”。量子 6, 824 (2022)。网址：https://doi.org/10.22331/q-2022-09-29-824。
https:/​/​doi.org/​10.22331/​q-2022-09-29-824

[60] 伯努瓦·柯林斯和皮奥特·斯尼亚迪。 “关于酉群、正交群和辛群的 Haar 测度的积分”。数学物理通讯 264, 773–795 (2006)。网址：https://doi.org/10.1007/s00220-006-1554-3。
https:/​/​doi.org/​10.1007/​s00220-006-1554-3

[61] 恩里科·丰塔纳、迪伦·赫尔曼、舒瓦尼克·查克拉巴蒂、尼拉吉·库马尔、罗米娜·亚洛维茨基、杰米·赫里奇、什里·哈里·苏雷什巴布和马可·皮斯托亚。 “伴随就是您所需要的一切：在量子 Ansätze 中描述贫瘠高原”（2023）。网址：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 和 M. Cerezo。 “深度参数化量子电路的贫瘠高原统一理论”（2023）。网址：https://doi.org/10.48550/arXiv.2309.09342。
https://doi.org/10.48550/arXiv.2309.09342

[63] 莱奥·蒙布鲁苏、乔纳斯·兰德曼、亚历克斯·B·格里洛、罗曼·库克拉和埃尔哈姆·卡谢菲。 “用于机器学习的汉明权值保持量子电路的可训练性和表现力”（2023）。网址：https://doi.org/10.48550/arXiv.2309.15547。
https://doi.org/10.48550/arXiv.2309.15547

[64] 张凯宁、刘刘、谢敏秀、陶大成。 “通过深变分量子电路中的高斯初始化逃离贫瘠高原”（2022）。网址：https://doi.org/10.48550/arXiv.2203.09376。
https://doi.org/10.48550/arXiv.2203.09376

[65] 欧文·洛克伍德和梅斯。 “用混合量子经典强化学习玩 Atari”（2021）。网址：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 和 Hsi-Sheng Goan。 “深度强化学习的变分量子电路”。 IEEE 访问 8, 141007–141024 (2020)。网址：https://doi.org/10.1109/ACCESS.2020.3010470。
https：///doi.org/10.1109/ACCESS.2020.3010470

[67] 欧文·洛克伍德和梅斯。 “量子变分电路的强化学习”。 AAAI 人工智能和互动数字娱乐会议论文集 16, 245–251 (2020)。网址：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 和 Joongheon Kim。 “量子强化学习简介：理论和基于 PennyLane 的实现”。 2021年信息与通信技术融合国际会议（ICTC）。第 416-420 页。韩国济州岛（2021 年）。 IEEE。网址：https://doi.org/10.1109/ICTC52510.2021.9620885。
https://doi.org/10.1109/ICTC52510.2021.9620885

[69] 索菲恩·杰尔比、卡斯帕·久里克、西蒙·马歇尔、汉斯·布里格尔和维德兰·杜尼科。 “强化学习的参数化量子策略”。 M. Ranzato、A. Beygelzimer、Y. Dauphin、PS Liang 和 J. Wortman Vaughan，编辑，《神经信息处理系统进展》。第 34 卷，第 28362–28375 页。 Curran Associates, Inc. (2021)。网址：https://doi.org/10.48550/arXiv.2103.05577。
https://doi.org/10.48550/arXiv.2103.05577

[70] Jen-Yueh Hsiao、Yuxuan Du、Wei-Yin Jiang、Min-Hsiu Hsieh 和 Hsi-Sheng Goan。 “OpenAI Gym 中未纠缠的量子强化学习代理”（2022 年）。网址：https://doi.org/10.48550/arXiv.2203.14348。
https://doi.org/10.48550/arXiv.2203.14348

[71] El Amine Cherrat、Iordanis Kerenidis 和 Anupam Prakash。 “通过策略迭代进行量子强化学习”。量子机器智能 5, 30 (2023)。网址：https://doi.org/10.1007/s42484-023-00116-1。
https:/​/​doi.org/​10.1007/​s42484-023-00116-1

[72] 王道臣、Aarthi Sundaram、Robin Kothari、Ashish Kapoor 和 Martin Roetteler。 “使用生成模型进行强化学习的量子算法”。在国际机器学习会议上。第 10916-10926 页。 PMLR（2021）。网址：https://doi.org/10.48550/arXiv.2112.08451。
https://doi.org/10.48550/arXiv.2112.08451

[73] Sofiene Jerbi、Arjan Cornelissen、Māris Ozols 和 Vedran Dunjko。 “量子策略梯度算法”（2022）。网址：https://doi.org/10.48550/arXiv.2212.09328。
https://doi.org/10.48550/arXiv.2212.09328

[74] 阿扬·科内利森。 “量子梯度估计及其在量子强化学习中的应用”。硕士论文（2018）。网址：http://resolver.tudelft.nl/uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e。
http:/​/​resolver.tudelft.nl/​uuid:26fe945f-f02e-4ef7-bdcb-0a2369eb867e

[75] 蒋汉生、沉佐军、刘俊宇。 “供应链管理的量子计算方法”。 2022 年 IEEE/ACM 第七届边缘计算研讨会 (SEC)。第 7-400 页。美国华盛顿州西雅图（405 年）。 IEEE。网址：https://doi.org/2022/SEC10.1109。
https://doi.org/10.1109/SEC54971.2022.00059

[76] 马克·G·贝尔马尔、威尔·达布尼和雷米·穆诺斯。 “强化学习的分布视角”。第 34 届国际机器学习会议记录 – 第 70 卷。第 449-458 页。 ICML'17 澳大利亚新南威尔士州悉尼（2017 年）。 JMLR.org。网址：https://doi.org/10.48550/arXiv.1707.06887。
https://doi.org/10.48550/arXiv.1707.06887

[77] 威尔·达布尼、马克·罗兰、马克·贝尔马尔和雷米·穆诺斯。 “具有分位数回归的分布式强化学习”。 AAAI 人工智能会议论文集 32（2018）。网址：https://doi.org/10.1609/aaai.v32i1.11791。
https：/ / doi.org/ 10.1609 / aaai.v32i1.11791

[78] 马蒂亚斯·C·卡罗 (Matthias C. Caro) 和伊肖恩·达塔 (Ishaun Datta)。 “量子电路的伪维度”。量子机器智能 2 (2020)。网址：https://doi.org/10.1007/s42484-020-00027-5。
https:/​/​doi.org/​10.1007/​s42484-020-00027-5

[79] 汉斯·布勒、默里·菲利普和本·伍德。 “深度贝尔曼对冲”。 SSRN 电子期刊（2022）。网址：https://dx.doi.org/10.2139/ssrn.4151026。
https：/ / doi.org/ 10.2139 / ssrn.4151026

[80] Thanh Nguyen-Tang、Sunil Gupta 和 Svetha Venkatesh。 “通过矩匹配的分布式强化学习”。 AAAI 人工智能会议论文集 35, 9144–9152 (2021)。网址：https://doi.org/10.1609/aaai.v35i10.17104。
https：/ / doi.org/ 10.1609 / aaai.v35i10.17104