面向金融投资组合优化的噪声数字模拟量子求解器基准测试

在本工作中，我们对两种突出的量子算法进行基准测试：量子虚时间演化（Quantum Imaginary-Time Evolution, QITE）和量子近似优化算法（Quantum Approximate Optimization Algorithm, QAOA），用于求解类似于伊辛哈密顿量的基态。具体而言，我们将其应用于定量金融中的马克维茨投资组合优化问题，在数字量子计算机和具可控双量子误差（噪声）的本地量子模拟器上进行实验。在无噪声环境下，我们发现QAOA能够实现对最优结果的优异收敛。在噪声条件下，QITE方法表现出更大的鲁棒性和稳定性，尽管其代价显著增加。相比之下，我们展示QAOA具有更好的可扩展性，即使噪声得到有效抑制，也仍可产生稳健的结果。我们的发现为量子算法在面向近期量子设备上解决实际优化问题之间的可扩展性与噪声容忍性之间的权衡提供了宝贵的见解，并演示了量子算法为解决现实世界优化问题具有实际潜力。