IonQ 宣布与其合作伙伴 GE Research 合作取得可喜的早期成果，以探索量子计算对风险管理中多变量分布建模的好处。
IonQ 和 GE Research利用基于 Quantum Circuit Born Machine 的标准化历史索引框架，能够有效地训练量子电路以学习三个和四个索引之间的相关性。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，这证实了量子 copulas 可能会导致跨商业应用的更智能的数据驱动分析和决策制定。可在此处获得进一步解释研究方法和结果的博文。
IonQ首席执行官兼总裁Peter Chapman表示:“IonQ与GE Research一起，正在推动量子计算目前可能实现的目标。虽然传统技术在必须对多个变量进行高精度建模时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，可以在系统规模下优化量子计算结果。在行业领先的IonQ Aria系统中进行了测试，我们很高兴能够将这些新方法应用到曾经被认为过于复杂而无法解决的现实场景中。”
虽然使用数学近似形成 copula 的经典技术是构建多变量风险模型的好方法，但它们在缩放时面临限制。IonQ和GE Research通过使用4个代表性股票指数的数据，以及易于获取和变化的市场环境，成功地在IonQ的捕获离子系统上训练了多达4个变量的量子关联模型。
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研究公司高级执行官和数字技术负责人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，因为情况可能非常多变，而且相互关联。”“我们在IonQ金融用例中取得的早期结果表明，量子计算在更好地理解和降低与这些高度可变场景相关的风险方面具有巨大潜力。”
---煤油灯科技victorlamp.com翻译整理---
