QST编辑优选:基于量子行走的投资组合优化的实验实现

06 8月 2024 gabriels
本篇研究来自北京计算科学研究中心/东南大学薛鹏课题组。该研究将基于量子行走的优化算法方法用于现代投资组合理论框架下的投资组合优化。通过光学系统展示了交替相移和连续时间量子行走的幺正算符的实验实现。介绍了通过增加相移和量子行走迭代的次数,可以有效放大高质量解对应的量子态概率,为量子算法的实际应用提供了强有力的证据。


文章介绍

Experimental implementation of quantum-walk-based portfolio optimization

Dengke Qu(曲登科), Edric Matwiejew, Kunkun Wang(王坤坤), Jingbo Wang and Peng Xue (薛鹏)

通讯作者:

  • 薛鹏,北京计算科学研究中心,东南大学

 

研究背景:

量子计算在质因数分解、穷举搜索和优化等问题上具有优势。虽然目前只有小型量子处理器可用,但人们对量子技术在不久的将来帮助解决现实生活中的难题寄予了极大的期望。现代金融交易依靠大量的计算资源进行历史数据分析、高频交易、投资组合优化和风险分析,这促使量子计算开始解决经济问题。

当前量子近似优化算法探索了投资组合优化和风险平衡的问题,其关键在于首先需要大规模的希尔伯特空间容纳具体任务中的元素,在寻找最优解的过程中,还需要不断提升量子线路的深度,增加量子比特的连接性,这些要求均已被证明超出了当前量子硬件的能力参数。针对当前情况,本研究发展了基于量子行走的投资组合优化算法,极大减少算法运行所需要的资源。

 

研究内容:

量子近似优化算法的核心是交替使用目标函数的哈密顿量与混合哈密顿量,通过逐步演化不断提升最优解的概率。在这个过程中需要不断优化变分参数,量子线路的深度也随之加深。拟将传统的量子近似优化算法中的混合哈密顿量的演化算符推广到连接所有可行解的连通图上的连续时间量子行走算符。这种算法通过索引量子线路将编码有效解的大规模量子比特转换为高维索引量子态,有效减少了算法演示所需要的大规模的希尔伯特空间。

本研究以谷歌、IBM、微软等公司近几年来的股票的收益与损失数据为基础,通过经典的马科维茨(Markowitz)模型来数值分析众多股票的投资组合优化选择,这将是量子近似优化算法中通过目标函数得到相位移算符的过程,再使用软件包QuOp_MPI 得到不同迭代次数下的最优变分参数。将投资组合问题转化为图问题,使用图的顶点表示不同的投资组合,然后通过量子行走平台实现算法指定的量子线路,在图中进行连续时间量子行走,通过实现具体深度的量子行走线路,替代需要不断增加深度才能提高最优解概率的传统量子近似优化算法的量子线路。如图所示,最优解的概率不断提高最终趋于稳定,最终在有限量子资源的使用下演示投资组合优化问题。


作者介绍

薛鹏  教授

北京计算科学研究中心/东南大学

  • 薛鹏,北京计算科学研究中心教授、博导,东南大学兼职教授、博导。长期从事量子信息的物理实现以及量子光学的基础研究工作。在国际顶级学术期刊包括:Nature Physics, Physical Review Letters, Nature Communications等以第一/通信作者发表学术论文130余篇。先后主持江苏省杰出青年基金、国家杰出青年科学基金,国家自然科学基金重大研究计划重点支持项目及国家重点研发计划重点专项等。入选江苏省六大人才高峰,荣获王大珩光学奖中青年科技人员奖、谢希德物理奖。

期刊介绍

Quantum Science and Technology

  • 2023年影响因子:5.6  Citescore:11.2
  • Quantum Science and Technology(QST)是一本多学科、高影响力的期刊,致力于出版涵盖所有量子技术科学和应用的高质量和重要的研究。QST涵盖应用数学、凝聚态物质、量子光学、原子物理和材料科学的各个领域,并涉及到化学、生物学、工程学、计算机科学和机器学习。除了定期的原创研究外,QST还出版专题综述和征集热点问题文章的特刊,从而对该领域最新和最有趣的研究进行概述。