衍生品定价中实现量子优势的阈值

我们给出了在衍生品定价中实现有价值的量子优势所需资源的上界。为此，我们首次对有用的量子衍生品定价给出了完整的资源估计，使用自动赎回型（autocallable）和Target Accrual Redemption Forward（TARF）衍生品作为基准用例。我们揭示了已知方法中的阻塞性挑战，并引入了一种新的量子衍生品定价方法——重参数化方法——以规避这些挑战。该方法将预训练的变分电路与容错量子计算相结合，大幅降低了资源需求。我们发现所考察的基准用例需要8k个逻辑量子比特和5400万的T深度。我们估计量子优势将需要在约一秒的量级上执行该程序。尽管此处给出的资源需求超出当前系统的能力范围，我们希望它们能为算法、实现和规划的硬件架构的进一步改进提供路线图。