Quantinuum julkisti Quantum Monte Carlo -integraatiomoottorin - High Performance Computing -uutisanalyysi | HPC:n sisällä

Quantinuum julkisti Quantum Monte Carlo -integraatiomoottorin – korkean suorituskyvyn tietotekniikan uutisanalyysin | HPC:n sisällä

Quantinuum julkistaa Quantum Monte Carlo -integraatiomoottorin - High Performance Computing -uutisanalyysi | sisällä HPC PlatoBlockchain Data Intelligence. Pystysuuntainen haku. Ai.
CAMBRIDGE, Yhdistynyt kuningaskunta, 12. syyskuuta 2023 – Kvanttilaskentayritys Quantinuum kertoi julkistaneensa yksityiskohdat Quantum Monte Carlo Integration (QMCI) -moottoristaan. Yhtiön mukaan QMCI koskee ongelmia, joihin ei ole analyyttistä ratkaisua, kuten rahoitusjohdannaisten hinnoittelu tai korkeaenergisten hiukkasfysiikan kokeiden tulosten simulointi.
Kvanttialgoritmeja hyödyntävä QMCI-työkalu antaa kvanttitietokoneille mahdollisuuden suorittaa arvioita tehokkaammin ja tarkemmin kuin vastaavat klassiset työkalut, Quantinuum sanoi ja päättelee alkuvaiheen kvanttiedun sellaisilla aloilla kuin johdannaisten hinnoittelu, salkun riskilaskelmat ja viranomaisraportointi. Uutta työkalua tukeva valkoinen kirja paljastaa, että QMCI hyötyy laskennallisen monimutkaisuuden eduista klassiseen MCI:hen verrattuna, ja ehdottaa, että moottorilla on potentiaalia tarjota kvanttihyödyllisyyttä nykyisessä muodossaan.
Valkoinen paperi, Modulaarinen moottori Quantum Monte Carlo -integraatioon, on julkaistu arXiv-palvelussa, ja se sisältää yksityiskohtaisesti muun muassa "parannetun P-builderin", työkalun kvanttipiirien rakentamiseen, jotka edustavat rahoituksessa käytettyjä yleisiä laskentamenetelmiä. Valkoisessa kirjassa ehdotetaan myös, kuinka uuden työkalun käyttäjät voisivat saada kvanttiedun vaarantamatta seuraavien arvioiden tilastollista luotettavuutta.
Ilyas Khan, tuotejohtaja Kvanttiuumi Quantinuumin päästä päähän QMCI-moottori – ensimmäinen täydellinen kvanttiratkaisu – tarjoaa mahdollisuuden välittömästi lisätä käyttäjien tuottavuutta ainakin kahdella sektorilla: pankki- ja rahoituslaitokset sekä tutkijat, jotka odottavat kvanttitietokoneiden auttavan heitä. käsitellä valtavia tietomääriä, jotka on tuotettu kokeellisilla aloilla, kuten korkean energian fysiikassa. QMCI-moottorimme on algoritmitiimimme vuosien työn huipentuma ja korostaa, kuinka kvanttitietokoneet tarjoavat käytännön hyötyä. Modulaarinen lähestymistapamme myös "suojaa" moottorin kvanttilaskentalaitteiston kehittyessä."
Moottorissa on neljä moduulia – lataamisen todennäköisyysjakaumat ja satunnaiset prosessit kvanttipiireinä; monenlaisten rahoituslaskelmien ohjelmointi; erilaisten tilastollisten suureiden ohjelmointi (esim. keskiarvo, varianssi ja muut); ja kvanttiamplitudin estimointi, joka on QMCI:n laskennallisen edun ydinlähde. Moottorissa on a resurssitila, joka määrittää tarkasti tarkat kvantti- ja klassiset resurssit, joita tarvitaan käyttäjän määrittämiin laskelmiin – ominaisuus, joka on olennainen ennustettaessa, milloin tietyt sovellukset saavat kvanttiedun. Näin ollen paperi paljastaa suoran näköyhteyden kvanttietuihin ja päättelee, että käyttäjät saavuttavat hyödyllisiä etuja vielä aikaisemmin.
Tri Steven Herbert sanoi: "QMCI-moottori hyödyntää nopeasti kasvavaa kysyntää työkaluille, jotka auttavat globaaleja rahoitus- ja muiden alojen organisaatioita tutkimaan ja arvioimaan reittiään kohti kvanttietuja. Klassinen Monte Carlo -integraatio on suositeltava menetelmä monilla laskennallisilla alueilla, joilla analyyttisiä ratkaisuja ei ole saatavilla, ja on laajalti tunnustettu, että nämä menetelmät hyötyvät kvanttiedusta. Modulaarisella lähestymistavalla varustamme näille tieteen ja rahoituksen ammattilaisille alustan, joka tukee heitä joustavasti tulevina vuosina nopean teknologisen kehityksen kautta."
Uudessa valkoisessa kirjassa esitetään alueet, jotka hyötyvät QMCI:n kehityksestä rahoituksen lisäksi, mukaan lukien tehokkuuden saavuttaminen toimitusketjussa ja logistiikassa, energiantuotannossa ja -siirrossa sekä dataintensiiviset tieteenalat, kuten korkeadimensionaalisten integraalien ratkaiseminen. korkean energian fysiikassa. Se päättelee, että käyttötapaukset, kuten estimointi ja ennustaminen, voivat hyötyä uudesta QMCI-moottorista sen nykyisessä muodossa.

Aikaleima:

Lisää aiheesta HPC:n sisällä