الگوریتمهای جدید در بازارهای مالی و بهبود عملکرد رایانش کوانتومی نسبت به رایانههای کلاسیک
معامله گران بازارهای مالی برای تصمیمگیری در مورد خرید و فروش به طور فزایندهای به شبیهسازیهای مالی رایانهای اعتماد میکنند.
به طور خاص، از شبیهسازیهای “مونتکارلو” برای ارزیابی ریسک و شبیهسازی قیمتها برای طیف گستردهای از ابزارهای مالی استفاده میشود.
این شبیهسازیها همچنین میتوانند در امور مالی شرکتها، سازمانها و برای مدیریت اوراق بهادار استفاده شوند.
اما در دنیای دیجیتال که سایر صنایع به طور معمول از دادههای زمان واقعی(real-time data) استفاده میکنند ، معامله گران بازارهای مالی با همارز دیجیتالی Pony Express کار میکنند.
این امر به این دلیل است که شبیهسازیهای مونتکارلو محاسبات پیچیدهای را شامل میشوند و زمان و منابع محاسباتی بیشتری مصرف میکنند.
بنابراین، محاسبات مالی با استفاده از روشهای مونتکارلو معمولاً یکبار در روز انجام میشود.
اگرچه این تعداد محاسبات در روز ممکن است در بازار اوراق قرضه نسبتاً آرام بسیار خوب باشد، اما برای معامله گرانی که در بازارهای ناپایدارتر کار میکنند.
به دلیل بهروز نبودن دادهها کار سختی در پیش خواهند داشت؛ بنابراین راهی برای تسریع در شبیهسازی مونتکارلو برای معامله گران بازارهای مالی بسیار خوب و جذاب خواهد بود.
طبق گفته Goldman Sachs و QC Ware، غول خدمات بازارهای مالی، یک راهکار خدمات رایانش کوانتومی را برای کار با سختافزار محاسبات کوانتومی بهصورت quantum-as-a-service توسعه میدهد.
گفته میشود محققان این دو شرکت، الگوریتمهای کوانتومی جدیدی را برای اجرای شبیهسازیهای مونتکارلو بر روی سختافزار کوانتومی near-term طراحی کردهاند که انتظار میرود ظرف پنج تا 10 سال آینده در دسترس عموم باشد.
سختافزار محاسبات کوانتومی کوتاهمدت یا near-term یک نسخه اولیه و مستعد بهروز خطا نسبت به نسخههای کامل کوانتومی است که دارای نرخ خطای بالایی هستند.
خوشبختانه، الگوریتمهای کوانتومی وجود دارد که قادر به کاهش میزان خطاها هستند و درعینحال کامپیوترهای کوانتومی را قادر میسازد شبیهسازی مونتکارلو را 1000 برابر سریعتر از روشهای کلاسیک انجام دهند.
متأسفانه برای رسیدن به چنین راهکارهایی به نظر میرسد باید ده تا بیست سال منتظر ماند.
لذا محققان گلدمن ساکس و QC Ware تلاش کردهاند تا بین سرعت اجرا و عملکرد بهینه رایانه کوانتومی، حد وسطی را پیدا کنند.
این دو شرکت میگویند تلاشهای موفقیتآمیز توانسته است الگوریتمهای Shallow Monte Carlo را تولید کند که میتواند روی کامپیوترهای کوانتومی کوتاهمدت اجرا شود و انتظار میرود ظرف 5 تا 10 سال در دسترس باشد؛ بنابراین زمان انتظار به نصف کاهشیافته است.
انتظار میرود محاسبات کوانتومی برای صنایع دیگری نیز تحولآفرین باشد، از جمله مراقبتهای بهداشتی ، هوش مصنوعی ، تدارکات ، تولید و امنیت ملی.
توانایی و ظرفیتهای الگوریتمهای کوانتومی برای افزایش نمایی سرعت محاسبات به شرکتها و سازمانها امکان میدهد سریعتر نوآوری داشته باشند، سریعتر به بازار واکنش نشان دهند و کارآمدتر عمل کنند. این یک مزیت کاملاً رقابتی است.
روشهای کاهش خطا در رایانش کوانتومی
در مقاله جدید آزمایشگاه ملی لوس آلاموس، این آژانس تحقیقات علمی نشان داده است که چگونه روشی به نام “یادگیری مدار آگاه از نویز” (noise-aware circuit learning) میتواند میزان خطا را دو یا سه برابر کاهش دهد.
پاتریک کولز، فیزیکدان کوانتوم در آزمایشگاه ملی لوس آلاموس و نویسنده اصلی مقاله، گفت که روش یادگیری ماشینی مانند شخصی است که واکسن دریافت میکند و سیستم ایمنی بدن را برای مقاومت در برابر ویروس آموزش میدهد.
یادگیری ماشین به الگوریتمهای کوانتومی یا مدارها اجازه میدهد تا مقاومت در برابر فرایندهای نویز ماشین کوانتومی خاص ایجاد کنند.
[/av_textblock] [av_one_full first min_height=” vertical_alignment=” space=” custom_margin=” margin=’0px’ row_boxshadow=” row_boxshadow_color=” row_boxshadow_width=’10’ link=” linktarget=” link_hover=” padding=’0px’ highlight=” highlight_size=” border=” border_color=” radius=’0px’ column_boxshadow=” column_boxshadow_color=” column_boxshadow_width=’10’ background=’bg_color’ background_color=” background_gradient_color1=” background_gradient_color2=” background_gradient_direction=’vertical’ src=” background_position=’top left’ background_repeat=’no-repeat’ animation=” mobile_breaking=” mobile_display=” av_uid=’av-kw5bhw’][av_hr class=’custom’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=’#7bb0e7′ icon=’ue857′ font=’entypo-fontello’ av_uid=’av-kk8jxbw4′ custom_class=” admin_preview_bg=”] [av_icon_box position=’top’ icon_style=” boxed=” icon=’ue81f’ font=’entypo-fontello’ title=” link=” linktarget=” linkelement=” font_color=” custom_title=” custom_content=” color=” custom_bg=” custom_font=” custom_border=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kk8jy12r’ custom_class=” admin_preview_bg=”]