通用电气和IonQ展示了量子计算在风险聚合方面的巨大潜力

昨日，量子计算上市公司IonQ(纽约证券交易所代码: IONQ) 宣布与通用电气公司（GE）早期的合作成果[1]。

研究展示了量子计算对风险管理中的多变量分布建模的好处。IonQ 和 GE 能够使用大量数据来模拟与未来风险相关的可预测性，这项研究可以使金融、制造和供应链管理方面受益[2]。

通用电气公司的中央创新中心 GE Research 与 IonQ 利用基于量子线路生成机器的标准化历史指数框架，能够有效地训练量子线路以学习三个和四个指数之间的相关性。

在某些情况下，从量子框架得出的预测优于经典建模方法的预测，证实了量子Copulas有可能在商业应用中带来更智能的数据驱动分析和决策。

IonQ 首席执行官兼总裁 Peter Chapman 表示，与 GE Research 一起，IonQ 正在推动量子计算目前可能实现的目标。

当必须以高精度对多个变量进行建模时，虽然经典技术面临效率低下的问题，但我们的共同努力已经确定了一种新的训练策略，即使在系统扩展时也可以优化量子计算结果。

我们在 IonQ Aria 系统上进行了测试，我们很高兴在处理曾经被认为过于复杂而无法解决的现实世界场景时应用这些新方法。

虽然使用数学近似形成 Copulas 的经典技术是构建多变量风险模型的好方法，但它们在扩展时面临限制。

IonQ 和 GE Research 通过使用来自具有易于访问和变化的市场环境的四个代表性股票指数的数据，成功地在 IonQ 的离子阱系统上训练了具有多达四个变量的量子Copula 模型。

通过研究在此时间范围内四个指数回报之间的历史依赖结构，研究小组训练其模型以了解潜在的动态。

此外，新提出的方法包括优化技术，通过减轻局部最小值和消除量子机器学习实践中常见的梯度消失问题，可能允许模型进行扩展。

这些改进展示了一种更快、更准确地执行多变量分析的有前景的方法，GE 研究人员希望这能带来新的、更好的方法来评估主要制造过程（如产品设计、工厂运营和供应链管理）的风险。

GE高级执行官兼数字技术负责人 David Vernooy 表示，正如我们从最近的全球供应链波动中看到的那样，世界需要更有效的方法和工具来管理风险，因为条件可能如此高度可变且相互关联。

我们在 IonQ 的金融用例中取得的早期成果表明，量子计算在更好地理解和降低与这些类型的高度可变场景相关的风险方面具有巨大潜力。

发布日期：2022年6月27日

来源：量子客

科技发展部