（圖片來源：網(wǎng)絡）

最近，美國量子硬件公司IonQ宣布與其合作伙伴美國通用電氣公司創(chuàng)新中心（GE Research），在探索量子計算應用于風險管理中的多變量分布建模的合作項目中，取得了可喜的初步成果。

IonQ透露，基于標準化、歷史數(shù)據(jù)索引的Quantum Circuit Born Machine（ QCBM）框架，他們和GE Research用量子電路有效地訓練學習了三至四個索引之間的相關性。同時，在某些情況下，他們發(fā)現(xiàn)基于量子框架得出的預測結果要優(yōu)于經典建模方法。這些結果有力地證實了，量子copulas將在商業(yè)應用中做出更智能的數(shù)據(jù)驅動分析和決策。

IonQ首席執(zhí)行官兼總裁 Peter Chapman表示：“IonQ正與GE Research一起推動量子計算目前可能實現(xiàn)的應用目標。當對多個變量進行高精度建模時，雖然經典計算技術面臨效率低下的問題，但我們的共同努力已經確定了一種新的訓練策略，即使在系統(tǒng)擴展時也可以優(yōu)化量子計算結果，并已在IonQ Aria系統(tǒng)上進行了測試。IonQ很高興能夠應用這些新方法，來處理過于復雜而無法解決的現(xiàn)實世界場景。”

雖然使用數(shù)學近似法組成copula的經典技術是構建多變量風險模型的好方法，但它們在縮放時受到限制。在應對這一瓶頸時，IonQ和GE Research通過使用來自易于訪問市場環(huán)境變化且最具代表性股票的四個指數(shù)的數(shù)據(jù)，成功地在IonQ的離子阱系統(tǒng)上訓練了具有多達四個變量的量子copula模型。

通過研究在該時間范圍內四個指數(shù)回報之間的歷史依據(jù)結構，研究小組訓練其模型以了解潛在的動態(tài)變化。此外，新提出的方法包括優(yōu)化技術，通過減輕局部最小值和消除量子機器學習實踐中常見的梯度消失問題，從而允許模型進行擴展。

基于這些改進，他們展示了一種更快、更準確地執(zhí)行多變量分析的方法，GE研究人員未來將以此用更新的、更好的方法來評估主要制造過程（如產品設計、工廠運營和供應鏈管理）的風險。

通用電氣高級執(zhí)行官兼數(shù)字技術負責人 David Vernooy 說：“正如我們從最近的全球供應鏈波動中看到的那樣，世界需要更有效的方法和工具來管理高度變化，并與風險相關聯(lián)的因素。我們在與IonQ合作研究的金融用例中取得的早期成果表明，與這類可變場景高度相關的風險方面，量子計算在更好地理解和降低風險上具有巨大潛力?！?/p>

原文鏈接：
https://www.hpcwire.com/off-the-wire/ionq-and-ge-research-demonstrate-high-potential-of-quantum-computing-for-risk-aggregation/

文：Jonathan Spencer Jones編譯：李每編輯：慕一
注：本文編譯自“HPCWire”，不代表量子前哨觀點。