کاربرد الگوریتمهای یادگیری ماشین کوانتومی در علوم مالی

یادگیری ماشین، مجموعهای از الگوریتمها است که این امکان را برای کامپیوتر ایجاد میکند که الگوهای آماری در داده موجود را بدون برنامه نویسی صریح بیاموزد. یادگیری ماشین کاربردهای بسیاری در سرویسهای مالی از قبیل تشخیص کلاهبرداری، مدیریت سبد کالای خودکار، تخمین سطوح ریسک معاملات وغیره دارد. اما از انجا که اغلب این روش ها نیاز به حجم زیادی از داده دارد، انجام این محاسبات بر روی کامپیوترهای کلاسیک میزان زیادی زمان و منابع محاسباتی نیاز دارد که ممکن است در عمل قابل پیادهسازی نباشند. کامپیوترهای کوانتومی به دلیل قدرت پردازش موازی میتوانند مسایل محاسباتی خاصی را بسیار سریعتر از الگوریتمهای همتای کلاسیک خود حل کنند. بنابراین میتوان به افزایش سرعت کوانتومی در الگوریتمهای یادگیری ماشین رسید. در این مقاله تاثیر یادگیری ماشین کوانتومی بر علوم مالی بررسی میشود. بطور مشخص پژوهش حاضر تلاش کرده است که آن دسته از مسایل محاسباتی در حوزه علوم مالی که استفاده از روش یادگیری ماشین کوانتومی نسبت به بهترین الگوریتمهای کلاسیک متناظر برتری ایجاد می کند را شناسایی نماید. همچنین امکان پذیری تحقق فیزیکی این روش ها در کوتاه مدت نیز بررسی شده است.