インサイダーブリーフ
- Classiq Technologiesは、Sumitomo CorporationおよびMizuho – DL Financial Technologyと協力して、金融リスク分析で使用されるモンテカルロシミュレーションのために量子回路の最大95％の圧縮を達成しました。
- この研究では、従来のおよび擬似ランダム数ベースの量子モンテカルロ法を比較し、ClassiQの高レベルの量子設計プラットフォームであるQMODを使用して、回路の深さとキュビット使用量を最適化しました。
- 結果は、精度を損なうことなく効率的な回路圧縮が可能であり、金融リスク管理におけるスケーラブルなノイズ耐性量子アプリケーションの実現可能性をサポートすることを示しました。
プレスリリース – Classiqテクノロジー大手量子コンピューティングソフトウェア会社は、本日、モンテカルロシミュレーションの量子アルゴリズムを実装する際に量子回路の重要な圧縮を成功裏に達成したことを発表しました。 Sumitomo Corporation。 SumitomoはClassiqを使用しました 量子プラットフォーム およびによって提供される量子アルゴリズム Mizuho – DL Financial Technology Co.、Ltd。
背景：金融における量子コンピューティングの実装に対する期待
金融業界では、モンテカルロシミュレーションは、デリバティブ価格設定と資産リスク評価に広く使用されています。ただし、これらのシミュレーションでは、乱数を使用して広大なシナリオを生成する必要があり、高い計算コストと長い処理時間につながります。量子コンピューティングは、従来の方法と比較して大規模な確率的シミュレーションを効率的に処理する可能性があり、シミュレーションの高速化とリスク評価の精度の向上に大きな利点を提供します。
このプロジェクトでは、の使用を調査しました Classiqのテクノロジー Mizuho-dl Ftによって提案された擬似ランダム数を組み込んだ新しい量子モンテカルロシミュレーションアルゴリズムのために、より効率的な量子回路を生成します。このプロジェクトは、将来の金融アプリケーションに量子アルゴリズムを実装する可能性を評価することを目的としています。
目的：2つの量子アルゴリズムを使用したハードウェアリソース削減の評価
Quantum Monte Carloシミュレーションは、リスクのある価値（VAR）などのリスクメトリックのために金融で使用され、高速かつ正確なクレジットポートフォリオリスク評価を可能にすることが期待されています。このプロジェクトでは、2種類の量子モンテカルロシミュレーションが実装されました。
- 従来のモンテカルロシミュレーション
- Mizuho-dl Ftによって提案された擬似ランダム数ベースのモンテカルロシミュレーション
この研究の目標は、2つのシミュレーション方法を比較することにより、量子回路を最適化することでした。
従来の方法では、各乱数には専用の量子ビット（qubit）が必要であり、多数のキュービットにつながります。対照的に、擬似ランダム数方式は、段階的に必要なランダムパターンを生成し、必要なキュービットカウントを大幅に削減します。ただし、この削減はより深い回路につながり、回路設計のトレードオフを導入する可能性があります。
これに対処するために、Classiqの量子回路圧縮技術を適用して、両方のタイプのモンテカルロシミュレーション用に生成された回路をさらに最適化できるかどうかを評価しました。具体的には、従来の技術で生成された量子回路を、Classiqの高レベルの量子言語を使用して設計した技術と比較しました。 QMOD。この評価では、キュービットの使用、回路の深さ、計算の精度を考慮しました。
結果は、両方のアプローチがキュービットカウントを大幅に増加させることなく、最大95％の圧縮を達成したことを実証しました。これは、限られた量子資源を使用した効率的および高精度リスク評価の可能性を示しています。
結果：計算精度を維持しながら、最大95％の量子回路圧縮を達成する
量子回路とは、QubitsとQuantum Gatesで構成される量子コンピューター上のアルゴリズムの構造化された実装です。量子回路が長いほど、エラー率が大きくなり、ハードウェアリソースの消費が高くなり、量子回路圧縮が量子アルゴリズムの実装の効率を改善するための重要な課題になります。
このプロジェクトでは、クレジットポートフォリオリスク管理のために設計された2種類の量子モンテカルロシミュレーションの量子回路で大きな圧縮が達成されました。両方のシミュレーションにより、量子ハードウェアの計算効率が改善され、より大きな財務上の問題のスケーラビリティが向上しました。
より少ないリソースで高精度計算を可能にすることにより、この研究は、金融リスク管理のための大規模な確率的シミュレーションが実行可能である可能性があることを実証しました。さらに、回路の深さの減少により断層の許容度が向上し、ノイズの影響が最小限に抑えられました。
これらの調査結果は、金融における量子コンピューティングの実際の実装に向けた重要なステップであり、量子ハードウェア上の量子アルゴリズムの実行精度を改善します。
