1QC商品
2巴黎大学、CNRS、IRIF
3摩根大通定量研究
4摩根大通全球技术应用研究
觉得本文有趣或想讨论? 在SciRate上发表评论或发表评论.
抽象
量子机器学习有可能对整个行业尤其是金融领域产生变革性影响。在我们的工作中,我们着眼于对冲问题,其中深度强化学习为真实市场提供了强大的框架。我们开发基于策略搜索和分布式行动批评算法的量子强化学习方法,该算法使用具有正交层和复合层的量子神经网络架构来实现策略和价值函数。我们证明我们使用的量子神经网络是可训练的,并且我们进行了广泛的模拟,表明量子模型可以减少可训练参数的数量,同时实现可比的性能,并且分布式方法比其他标准方法(经典方法和量子方法)获得更好的性能。我们利用具有高达 16 美元量子位的电路,在俘获离子量子处理器上成功实现了所提出的模型,并观察到与无噪声模拟非常吻合的性能。我们的量子技术是通用的,可以应用于对冲之外的其他强化学习问题。
►BibTeX数据
►参考
[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
被引用
[1] Enrico Fontana、Dylan Herman、Shouvanik Chakrabarti、Niraj Kumar、Romina Yalovetzky、Jamie Heredge、Shree Hari Sureshbabu 和 Marco Pistoia,“伴随就是您所需要的:在量子 Ansätze 中描述贫瘠高原”, 的arXiv:2309.07902, (2023).
[2] Dylan Herman、Cody Googin、Xiaoyuan Liu、Yue Sun、Alexey Galda、Ilya Safro、Marco Pistoia 和 Yuri Alexeev,“金融领域的量子计算”, 自然评论物理学5 8,450(2023).
[3] Alexandr Sedykh、Maninadh Podapaka、Asel Sagingalieva、Karan Pinto、Markus Pflitsch 和 Alexey Melnikov,“用于模拟复杂形状计算流体动力学的混合量子物理神经网络”, 的arXiv:2304.11247, (2023).
以上引用来自 SAO / NASA广告 (最近成功更新为2023-11-29 13:34:05)。 该列表可能不完整,因为并非所有发布者都提供合适且完整的引用数据。
无法获取 Crossref引用的数据 在上一次尝试2023-11-29 13:34:04期间:无法从Crossref获取10.22331 / q-2023-11-29-1191的引用数据。 如果DOI是最近注册的,这是正常的。
该论文发表在《量子》杂志上 国际知识共享署名署名4.0(CC BY 4.0) 执照。 版权归原始版权持有者所有,例如作者或其所在机构。
- :具有
- :是
- :不是
- :在哪里
- ][p
- $UP
- 01
- 1
- 10
- 10日
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 17日
- 19
- 1998
- 1
- 20
- 2006
- 2012
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 22
- 23
- 24
- 25
- 26
- 264
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 40
- 41
- 46
- 49
- 50
- 51
- 52
- 53
- 54
- 58
- 60
- 610
- 65
- 66
- 67
- 7
- 70
- 72
- 73
- 75
- 77
- 7日
- 8
- 80
- 87
- 9
- 98
- a
- 以上
- 摘要
- ACCESS
- 访问
- 实现
- ACM
- 横过
- 进步
- 优点
- 对抗
- 背景
- 中介代理
- AI
- 亚历克斯
- 亚历山大
- 算法
- 算法
- 算法交易
- 算法
- 所有类型
- an
- 分析
- 解析
- 和
- 安德鲁
- 周年
- 全年
- Anthony
- 应用领域
- 应用领域
- 应用的
- 的途径
- 方法
- 架构
- 保健
- 人造的
- 人工智能
- AS
- 财富
- 联营公司
- 社区
- At
- ATARI
- 原子
- 尝试
- 澳大利亚
- 作者
- 作者
- 意识
- b
- 荒芜
- 基于
- BE
- 本
- 标杆
- 本杰明
- 更好
- 超越
- 鲍里斯
- 都
- 午休
- 布赖恩
- 布莱恩
- by
- 剑桥
- CAN
- 卡洛斯
- 卡斯帕尔
- 链
- 陈
- 粻
- 基督教
- 克里斯托弗
- 分类
- 柯林斯
- 评论
- 共享
- 沟通
- 通信
- 可比
- 完成
- 复杂
- 复合肥产线
- 计算
- 计算
- 一台
- 计算机科学
- 计算
- 研讨会 首页
- 约束
- 连续
- 控制
- 收敛
- 版权
- 相关
- 相关系数
- 可以
- 加密技术
- 戴
- 丹尼尔
- data
- David
- 银鸿
- 十二月
- 深
- 深入学习
- 深度神经网络
- 该
- 它
- 衍生工具
- 开发
- 迭戈
- 数字
- 数字娱乐
- 直接
- 讨论
- ,我们将参加
- 动力学
- e
- 边缘
- 边缘计算
- 版
- 编辑
- 爱德华·
- el
- 电子
- 嵌入
- 编码
- 娱乐
- 公平
- 醚(ETH)
- 预期
- 可解释性
- 表现的
- 广泛
- 快
- 专栏
- 弗格斯
- 金融
- 金融
- 金融衍生品
- 金融科技
- 流体
- 流体动力学
- 针对
- 骨架
- 旧金山
- 止
- 前沿
- 功能
- 游戏
- 其他咨询
- 生成的
- 生成对抗网络
- 生成模型
- 几何
- 德国
- 戈麦斯
- 谷歌
- 渐变
- 团队
- 古普塔
- 健身房
- 硬件
- 哈佛
- 对冲
- 持有人
- 萧
- HTTP
- HTTPS
- 黄
- 杂交种
- 混合模型
- 混合量子经典
- i
- IEEE
- if
- 图片
- 图像分类
- 影响力故事
- 实施
- 履行
- 改善
- in
- 公司
- 行业中的应用:
- 信息
- 输入
- 输入
- 机构
- 房源搜索
- 互动
- 有趣
- 国际
- 成
- 介绍
- 岛
- 迭代
- 它的
- 伊万
- 杰米
- JavaScript的
- 乔恩
- 乔纳森
- 琼斯
- 日志
- 摩根大通
- 朱莉娅
- 卡普尔
- Kim
- 香港
- 韩国
- 库马尔
- 语言
- 名:
- 层
- 学习
- 离开
- li
- 执照
- 清单
- 装载
- 看
- 机
- 机器学习
- 机械
- 杂志
- 魔法
- 颠覆性技术
- 马尔科
- 玛丽亚
- 标记
- 市场
- 市场
- 马丁
- 主
- 匹配
- 数学的
- 矩阵
- 马修
- 马蒂亚斯
- 最大
- 可能..
- 麦克莱恩
- 麦肯锡
- 衡量
- 测量
- 措施
- 医生
- 方法
- 方法
- 迈耶
- Michael (中国)
- 最小
- 模型
- 造型
- 模型
- 时刻
- 月
- 多
- 穆雷
- 南
- 自然
- 近
- 需求
- 网络
- 网络
- 神经
- 神经网络
- 神经网络
- 一般
- 萨科
- 正常
- 十一月
- 十一月
- 数
- NY
- 观察
- 获得
- of
- 优惠精选
- 奥利弗
- on
- 打开
- OpenAI
- 光学
- 最佳
- 优化
- 附加选项
- or
- 原版的
- 其他名称
- 我们的
- 巴勃罗
- 页
- 网页
- 纸类
- 参数
- 巴黎
- 特别
- 专利
- 帕特里克
- 模式
- 演出
- 性能
- 透视
- 彼得
- 的
- 物理
- 皮埃尔
- 斑马
- 计划
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 政策
- 政策
- 个人档案
- 投资组合
- 潜力
- 功率
- 强大
- 权力
- 普拉迪普
- 普拉卡什
- 预测
- 保存
- express
- 车资
- 价格
- 市场问题
- 问题
- Proceedings
- 处理
- 处理器
- 处理器
- 代码编程
- 建议
- 证明
- 提供
- 出版
- 发行人
- 出版商
- Qi
- 量子
- 量
- 量子
- 量子算法
- 量子计算优势
- 量子计算机
- 量子计算
- 量子信息
- 量子机器学习
- 量子比特
- R
- 拉尔夫
- 真实
- 最近
- 减少
- 引用
- 在相关机构注册的
- 回归
- 强化学习
- 遗迹
- 去掉
- 仁
- 报告
- 业务报告
- 表示
- 共和国
- 研究
- 尊重
- 检讨
- 评论
- 理查德
- 严格
- 风险
- 变更管理
- ROBERT
- 知更鸟
- 健壮
- 鲁伊斯
- 瑞安
- s
- 方案
- 科学
- .
- 西雅图
- 证券交易委员会
- 行业
- 系列
- 浅
- 形状
- 夏尔马
- 酋长
- 显示
- 信号
- 白银
- 西蒙
- 模拟
- 剩余名额
- Spot
- 斯里尼瓦桑
- 标准
- 州
- 停车
- 顺利
- 这样
- 合适的
- 周日
- 供应
- 供应链
- 供应链管理
- 调查
- 瑞士
- 专题研讨会
- 产品
- T
- 文案
- 技术
- 技术
- 专业技术
- 术语
- 比
- 这
- 其
- 理论
- 论点
- 第三
- Free Introduction
- 通过
- 次
- 时间序列
- 标题
- 至
- 工具
- 交易
- 产品培训
- 交易
- 变革
- 变形金刚
- 被困
- 下
- 统一
- 普遍
- 大学
- 更新
- 网址
- us
- 美国
- 使用
- 运用
- 利用
- 折扣值
- 通过
- 文森特
- 愿景
- 体积
- 的
- W
- 旺
- 想
- 是
- we
- 卷筒纸
- 井
- 而
- 将
- 韩元
- 木材
- 工作
- wu
- 肖
- 年
- 纽约
- 您
- 元
- 和风网
- 张
- 钟
- 苏黎世