（图片来源：网络）

最近，美国量子硬件公司IonQ宣布与其合作伙伴美国通用电气公司创新中心（GE Research），在探索量子计算应用于风险管理中的多变量分布建模的合作项目中，取得了可喜的初步成果。

IonQ透露，基于标准化、历史数据索引的Quantum Circuit Born Machine（ QCBM）框架，他们和GE Research用量子电路有效地训练学习了三至四个索引之间的相关性。同时，在某些情况下，他们发现基于量子框架得出的预测结果要优于经典建模方法。这些结果有力地证实了，量子copulas将在商业应用中做出更智能的数据驱动分析和决策。

IonQ首席执行官兼总裁 Peter Chapman表示：“IonQ正与GE Research一起推动量子计算目前可能实现的应用目标。当对多个变量进行高精度建模时，虽然经典计算技术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，即使在系统扩展时也可以优化量子计算结果，并已在IonQ Aria系统上进行了测试。IonQ很高兴能够应用这些新方法，来处理过于复杂而无法解决的现实世界场景。”

虽然使用数学近似法组成copula的经典技术是构建多变量风险模型的好方法，但它们在缩放时受到限制。在应对这一瓶颈时，IonQ和GE Research通过使用来自易于访问市场环境变化且最具代表性股票的四个指数的数据，成功地在IonQ的离子阱系统上训练了具有多达四个变量的量子copula模型。

通过研究在该时间范围内四个指数回报之间的历史依据结构，研究小组训练其模型以了解潜在的动态变化。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，从而允许模型进行扩展。

基于这些改进，他们展示了一种更快、更准确地执行多变量分析的方法，GE研究人员未来将以此用更新的、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。

通用电气高级执行官兼数字技术负责人 David Vernooy 说：“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高度变化，并与风险相关联的因素。我们在与IonQ合作研究的金融用例中取得的早期成果表明，与这类可变场景高度相关的风险方面，量子计算在更好地理解和降低风险上具有巨大潜力。”

原文链接：

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

文：Jonathan Spencer Jones

编译：李每

编辑：慕一

注：本文编译自“HPCWire”，不代表量子前哨观点。