Quantum Computing for Finance: State of the Art and Future Prospects
本文概述了我们对量子计算在金融问题上的适用性、最新技术水平和潜力的观点。我们提供了一个介绍量子计算,以及调查的问题类在金融计算上具有挑战性的经典和量子计算算法是有前途的。在主要部分中,我们详细描述了金融服务中出现的特定应用的量子算法,例如涉及模拟,优化和机器学习问题的量子算法。此外,我们还将在IBM Quantum后端上演示量子算法,并讨论量子算法对金融服务问题的潜在好处。最后,我们总结了技术挑战和未来前景。
2021-01-28 q-fin.ST quant-ph
Prospects and challenges of quantum finance
量子计算机预计将对金融行业产生重大影响,因为它们将能够比最知名的经典算法更快地解决某些问题。在这篇文章中,我们描述了量子计算在金融领域的潜在应用,从最先进的技术开始,特别关注QC Ware团队最近的工作。我们考虑蒙特卡罗方法,投资组合优化和机器学习的量子加速。对于每个应用程序,我们描述了量子加速可能的程度,并估计实现实际加速所需的量子资源。这些量子金融算法的近期相关性在不同的应用中有很大的不同-其中一些是启发式算法,旨在适应近期的原型量子计算机,而另一些则是经过验证的加速,需要更大规模的量子计算机来实现。我们还描述了使这些加速更接近实验可行性的强大方法-特别是描述蒙特卡罗方法和量子机器学习的较低深度算法,以及用于投资组合优化的量子退火算法。本文针对的是金融专业人士,并没有假设量子计算的特定背景。
2020-11-12 q-fin.CP quant-ph
Applications of Quantum Machine Learning for Quantitative Finance
本研究梳理了量子机器学习(QML)在量化金融领域的应用,通过综述相关文献探讨量子计算与机器学习在金融场景中的关联,覆盖欺诈检测、承保、风险价值、股市预测等多类用例。
2024-05-16 quant-ph
A Survey of Quantum Computing for Finance
量子计算机有望在这十年内超越经典计算机的计算能力,并对许多行业产生变革性影响,特别是金融业。事实上,金融估计是最先受益于量子计算的行业领域,不仅是中长期,甚至短期内也会受益。这篇调查论文全面总结了金融应用中量子计算的最新技术水平,特别强调了随机建模、优化和机器学习,描述了这些适合在量子计算机上工作的解决方案如何有助于解决金融问题,如衍生品定价、风险建模、投资组合优化、自然语言处理和欺诈检测,更有效和准确。我们还讨论了这些算法在具有各种硬件实现的近期量子计算机上的可行性,并演示了它们如何与金融领域的广泛用例相关。我们希望本文不仅能为学术研究者和行业从业者提供参考,也能为未来的研究提供新的思路。
2022-06-27 q-fin.CP quant-ph
Implementing Quantum Generative Adversarial Network (qGAN) and QCBM in Finance
Quantum Networks Photonic Inc.(量子网络光子公司)
本文探讨量子机器学习在金融中的应用,使用真实金融数据集在模拟环境中比较qGAN和QCBM等模型,并定义量子电路以展示未来量子优势的前景。
2025-02-26 cs.AI cs.ET cs.LG
Quantum Leap in Finance: Economic Advantages, Security, and Post-Quantum Readiness
本文综述量子计算在金融中的应用与安全影响,提出四步评估框架,并整合区块链、PQC与QKD以识别量子优势和后量子防护路径。
2025-08-29 quant-ph
Quantum computational finance: quantum algorithm for portfolio optimization
我们提出了一个量子算法的投资组合优化。我们讨论了市场数据输入,通过量子运算处理这些数据,以及金融相关结果的输出。给定对回报历史记录的量子访问,该算法确定最佳风险-回报权衡曲线,并允许从最佳投资组合中采样。该算法原则上可以获得${\rm poly}(\log(N))$的运行时间,其中$N$是历史返回数据集的大小。直接经典算法确定的风险收益曲线和其他属性的最优投资组合需要时间${\rm poly}(N)$,我们讨论了潜在的量子加速在最近的工作中有效的经典采样方法。
2018-11-09 quant-ph
Quantum computing for finance
该研究面向物理学家全面综述金融领域量子计算的研究现状,涵盖随机建模、优化、机器学习方向,对比经典金融技术,分析量子技术的优劣势,并提出物理学家可助力解决的挑战。
2023-07-20 quant-ph
Quantum-accelerated multilevel Monte Carlo methods for stochastic differential equations in mathematical finance
受常微分方程和偏微分方程量子算法最新进展的启发,我们研究了随机微分方程的量子算法。首先,我们提供了一个量子算法,给出了一个二次加速多级蒙特卡罗方法在一般设置。作为应用,我们将其应用于计算期望值确定的经典解的随机微分方程,改善了精度的依赖。我们演示了使用该算法在各种应用中产生的数学金融,如布莱克-斯科尔斯和本地波动率模型,和希腊人。我们还提供了一个基于次线性二项抽样的量子算法的二项式期权定价模型具有相同的改进。
2021-06-22 cs.NA math.NA q-fin.CP
From Classical Rationality to Contextual Reasoning: Quantum Logic as a New Frontier for Human-Centric AI in Finance
Dipartmento di Ingegneria, Universita di Palermo(巴勒莫大学工程学院);I.N.F.N., Sezione di Catania(意大利国家核物理研究所卡塔尼亚分部)
本文探讨AI在金融预期建模中的应用,提出量子逻辑作为新前沿,并倡导探索量子启发神经网络以推动人本AI发展。
2025-10-07 q-fin.CP quant-ph
From Portfolio Optimization to Quantum Blockchain and Security: A Systematic Review of Quantum Computing in Finance
本文系统综述了量子计算在金融领域的应用,涵盖投资组合优化、欺诈检测、蒙特卡洛方法及区块链安全,并探讨了抗量子区块链、量子挖矿及基础设施,旨在填补量子计算与金融之间的鸿沟。
2023-06-12 cs.CR q-fin.CP quant-ph
Quantum Machine Learning in Finance: Time Series Forecasting
我们探讨了新的使用参数化的量子线路(PQC)的量子神经网络(QNN)的预测时间序列信号与模拟量子前向传播的功效。时间信号由几个正弦分量(确定性信号)组成,与趋势和加性噪声混合在一起。PQC的性能与经典的双向长短期记忆(BiLSTM)神经网络进行比较。我们的研究结果表明,对于由小幅度噪声变化(高达确定性信号幅度的40%)组成的时间序列信号,只有几个参数的PQC与经典的BiLSTM网络相似,具有数千个参数,并且对于具有更高幅度噪声变化的信号,性能优于它们。因此,QNN可以有效地用于对时间序列进行建模,同时具有比量子计算机中的经典机器学习模型更快地训练的显著优势。
2022-02-01 quant-ph
Quantum Finance: a tutorial on quantum computing applied to the financial market
以前只被认为是物理学的前沿领域,现在量子计算是发展最快的研究领域之一,正是因为它在优化问题,机器学习,信息安全和模拟方面的技术应用。本文的目标是介绍量子计算的基本原理,重点介绍一种有前途的量子算法及其在金融市场问题中的应用。更具体地说,我们讨论的投资组合优化问题,使用\textit{Quantum Approximate Optimization Algorithm}(QAOA)。我们不仅描述所涉及的主要概念,而且考虑简单的实际例子,涉及在巴西证券交易所提供的金融资产,代码,经典和量子,免费提供作为一个电子笔记本。我们还详细分析了组合投资组合优化解决方案的质量,通过QAOA使用SENAI/CIMATEC的ATOS QLM量子模拟器。
2022-08-22 q-fin.CP q-fin.PM quant-ph
A quantum double-or-nothing game: The Kelly Criterion for Spins
本文提出一种基于自旋1/2粒子的双倍或全无量子博弈,通过数值方法确定最优量子策略,证明其不同于经典凯利准则,推动量子金融发展。
2023-08-02 q-fin.PM quant-ph
Applying QNLP to sentiment analysis in finance
Aqarios GmbH(阿卡瑞斯有限责任公司)
本文研究量子自然语言处理在金融情感分析中的应用,通过ChatGPT生成1000余条真实语句进行案例研究,发现QLSTM训练速度显著快于DisCoCat且性能接近经典方法。
2023-09-11 cs.AI cs.CL quant-ph
Classical versus Quantum Models in Machine Learning: Insights from a Finance Application
尽管已经提出了几种模型来帮助量子计算机完成机器学习(ML)任务,但直接比较经典模型与量子模型对来自现实世界应用的数据集的表达能力和效率是迈向量子时代的关键里程碑之一。在这里,我们通过将广泛使用的经典ML模型(称为受限玻尔兹曼机(RBM))与最近提出的量子模型(现在称为量子线路玻尔兹曼机(QCBM))进行比较,迈出了解决这一挑战的第一步。这两种模型都解决了无监督生成建模中的相同硬任务,QCBM利用了量子力学的概率性质,并且是近期量子计算机的候选者,正如迄今为止在三种不同的量子硬件架构中实验所证明的那样。为了解决量子模型在现实世界经典数据集上的性能问题,我们通过使用S\P500股票市场指数资产子集的时间序列定价数据,从金融中著名的投资组合优化问题的概率版本构建场景。值得注意的是,在经典模型和量子模型的参数方面相同数量的资源下,与RBM的规范训练相比,量子模型似乎在典型实例上具有更好的性能。我们的模拟是建立在离子阱量子计算机上的QCBM的硬件有效实现上的,通过使用它们的本机门集,因此在近期的量子设备中很容易实现。
2020-01-08 quant-ph
Statistics-Informed Parameterized Quantum Circuit via Maximum Entropy Principle for Data Science and Finance
针对量子统计模型制备中的可训练性与可解释性难题,提出基于最大熵原理的SI-PQC,以静态可训练结构高效表示任意分布及混合,并显著降低资源开销。
2024-06-18 q-fin.ST quant-ph stat.ML
Quantum Architecture Search for Quantum Monte Carlo Integration via Conditional Parameterized Circuits with Application to Finance
本文提出基于预训练参数化量子电路的条件变体作为振幅估计子程序,并结合遗传优化与数据编码搜索电路架构,应用于金融衍生品定价,比现有量子算法更高效地实现了收益函数。
2023-09-18 q-fin.PR quant-ph
Quantum and Classical Machine Learning in Decentralized Finance: Comparative Evidence from Multi-Asset Backtesting of Automated Market Makers
Omnis Labs(Omnis实验室)
该研究通过多资产回测比较10个经典、量子及混合ML模型在AMM与DeFi策略中的表现,发现QASA Sequence以13.99%回报和1.76 Sharpe比率表现最佳。
2025-09-14 cs.LG q-fin.ST quant-ph
Information and Arbitrage: Applications of Quantum Groups in Mathematical Finance
本文利用量子群对偶性,从无套利与等价原则出发构建量子经济学模型,将非交换性作为建模资源,应用于期权等衍生品定价,扩展了经典经济学框架。
2024-02-05 math.QA q-fin.MF quant-ph
Quantum Speedup of Monte Carlo Integration with respect to the Number of Dimensions and its Application to Finance
使用量子计算机的蒙特卡罗积分已经得到了广泛的研究,包括具体问题的应用。众所周知,基于量子振幅估计(QAE)的量子算法可以计算积分,与经典方法调用被积函数子例程相比,计算被积函数的量子线路的迭代调用次数更少。然而,关于被积函数电路中的迭代运算的问题,却没有得到太多的讨论。也就是说,在高维积分中,许多随机数用于被积函数的计算,并且在某些情况下重复类似的计算以获得被积函数的一个样本值。在本文中,我们指出,我们可以减少这样的重复操作的数量相结合的嵌套QAE和使用伪随机数(PRN),如果被积函数的贡献不同的随机数的可分离的形式。PRN的使用,作者最初提出的量子算法的Monte Carlo的上下文中,也是本文的关键因素,因为它使被积函数中的可分离项的并行计算。此外,我们选择了这种方法在金融中的一个用例,信贷组合风险度量,并估计在多大程度上降低了复杂性。
2021-05-24 q-fin.RM quant-ph
Toward Quantum Behavioral Finances: Bohmian Approach
我们应用量子力学的方法对金融市场的价格动态进行数学建模。我们建议描述行为金融因素(例如,交易者的期望)通过使用量子力学的导频波(Bohmian)模型。价格的轨迹由两种金融势能决定:经典的$V(q)$(“硬”市场条件,例如,自然资源)和类量子$U(q)$(行为市场条件)。一方面,我们的Bohmian模型是金融市场的类量子模型。与W.西格尔岛E. Segal,E. Haven,E. W.Piotrowski,J. Sladkowski.另一方面,(由于Bohmian力学提供了描述单个价格轨迹的可能性)它属于金融资产确定性动态的扩展研究领域(C.W. J. Granger,W.A. Barnett,A. J. Benhabib,W.A.布罗克角Sayers,J. Y. Campbell,A. W. Lo,A. C. MacKinlay,A. Serletis,S. Kuchta,M.弗兰克河Gencay,T. Stengos,M. J. Hinich,D. Patterson,D. A. Hsieh,D. T.卡普兰,J.A.沙因克曼湾LeBaron和许多其他人)。
2007-01-07 quant-ph
Quantum Boltzmann Machines: Applications in Quantitative Finance
在这篇论文中,我们探索使用D-Wave Advantage 4.1量子退火机从量子玻尔兹曼分布中采样并训练量子玻尔兹曼机(QBM)。我们专注于使用QBM作为生成模型来生成合成外汇市场数据的现实问题,并分析结果如何与基于受限玻尔兹曼机(RBM)的经典模型相叠加。此外,我们研究了一个小的12量子位的问题,我们使用它来比较从优势4.1与理论获得的样本,并在此过程中获得重要的见解优势4.1可以如何采样量子玻尔兹曼随机变量,并用于训练QBM。通过这一点,我们能够证明Advantage 4.1可以在一定程度上对经典玻尔兹曼随机变量进行采样,但在对量子玻尔兹曼分布进行采样的能力方面受到限制。我们的研究结果表明,使用Advantage 4.1训练的QBM比使用模拟训练的QBM噪音大得多,并且很难达到与经典RBM相同的水平。然而,如果未来一代退火机可以生成更接近所需理论分布的样本,则QBM有可能优于经典RBM。
2023-01-30 q-fin.CP quant-ph
Quantum versus Classical Generative Modelling in Finance
CNRS, LIP6, Sorbonne Université(法国国家科学研究中心、LIP6实验室、索邦大学)
在短期内为量子计算机找到一个具体的用例仍然是一个悬而未决的问题,机器学习通常被吹捧为最先受到量子技术影响的领域之一。在这项工作中,我们研究和比较量子与经典模型在机器学习中生成建模任务的能力。我们使用一个真实世界的金融数据集组成的相关货币对,并比较两个模型的能力,学习产生的分布-一个限制玻尔兹曼机,和一个量子线路玻恩机。我们提供了大量的数值结果表明,模拟玻恩机总是至少匹配的玻尔兹曼机在这项任务中的性能,并表现出优越的性能作为模型的规模。我们使用Rigetti森林平台在模拟和物理量子芯片上进行实验,并且还能够在量子硬件上部分训练迄今为止最大的量子线路Born机实例。最后,通过研究训练玻恩机的纠缠能力,我们发现纠缠通常在问题实例中发挥作用,表现出优于玻尔兹曼机。
2020-08-03 cs.LG quant-ph
Trading by Quantum Rules - Quantum Anthropic Principle
本文简要回顾了量子博弈论的背景和最新发展及其在经济和金融中的可能应用。讨论了科学与社会的交叉,提出了量子人择原理。该审查针对的是非专家。
2002-01-11 cond-mat hep-th quant-ph
Quantum algorithm for stochastic optimal stopping problems with applications in finance
提出量子LSM算法,利用量子电路与量子蒙特卡洛技术求解随机最优停机问题,在温和假设下实现近二次加速,并应用于美式期权定价。
2023-07-27 math.PR q-fin.CP quant-ph
Quantum Adaptive Self-Attention for Financial Rebalancing: An Empirical Study on Automated Market Makers in Decentralized Finance
Omnis Labs Cambridge, USA(奥密斯实验室(剑桥,美国));Omnis Labs New York, USA(奥密斯实验室(纽约,美国))
本文提出量子自适应自注意力(QASA),将自动做市商再平衡建模为二分类检测问题,利用变分量子电路构造注意力模块,并在BTCUSDC数据上验证其相较经典与纯量子基线具有更优的风险调整收益。
2025-09-21 cs.LG q-fin.CP quant-ph
Quantum games on evolving random networks
我们研究了量子策略在演化随机网络上的演化社会困境中的优势。我们的研究集中在两人博弈:囚徒困境,雪堆和雄鹿狩猎游戏。所得结果显示量子策略对于囚徒困境博弈的好处。对于其他两个游戏,我们得到的参数区域的量子策略占主导地位,以及经典策略共存的区域。
2015-12-30 physics.soc-ph quant-ph
Data is often loadable in short depth: Quantum circuits from tensor networks for finance, images, fluids, and proteins
Intel Corporation(英特尔公司);Intel Labs(英特尔实验室);HPI Biosciences(HPI生物科学公司);Azulene Labs Inc.(薁烯实验室公司)
本文提出基于张量网络的AMLET电路编译方法,在金融、图像、流体和蛋白质数据上大幅降低经典数据加载深度,缓解量子优势的输入瓶颈。
2023-12-27 cs.LG physics.data-an quant-ph
Equivalence between quantum simultaneous games and quantum sequential games
提出了一个讨论不同类型的游戏之间的关系的框架。在此框架下,定义了量子同时博弈、有限量子同时博弈、量子序贯博弈和有限量子序贯博弈。此外,两个游戏之间的等价性的概念被定义。最后,证明了以下三个定理:(1)对于任意量子同时对策G,存在一个与G等价的量子序贯对策。(2)对任意有限量子同时对策G,存在一个等价于G的有限量子序贯对策。(3)对任意有限量子序列对策G,存在一个等价于G的有限量子同时对策。
2007-11-05 quant-ph
Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance
本文设计线性深度、参数数量为 n^2/4 的硬件高效 Dicke 态 ansatz,并结合可扩展 HDC 方案,在 Wu Kong 上以最多 55 量子比特求解 CVaR 投资组合优化。
2024-03-07 quant-ph
Quantum Monte Carlo algorithm for solving Black-Scholes PDEs for high-dimensional option pricing in finance and its complexity analysis
Nanyang Technological University(南洋理工大学);Texas A&M University(德克萨斯农工大学)
本文提出一种量子蒙特卡洛算法求解带相关性的高维 Black-Scholes PDE 以进行期权定价,证明了其在空间维度和精度倒数上具有多项式复杂度界,并在有界收益函数下相比经典方法实现加速。
2025-11-04 cs.NA math.NA q-fin.CP
Quantum Computation for Pricing the Collateralized Debt Obligations
债务抵押债券(CDO)是最常用的结构性金融产品之一,也是量化金融研究的热点。它通过将资产池划分为不同的份额,有效地计算和重新分配信用风险和收益,以满足不同份额投资者的风险偏好。CDO的定价通常采用各种Copula模型,需要通过蒙特卡罗模拟来获得其数值解。在这里,我们实现了两个典型的CDO模型,单因子高斯copula模型和正常的逆高斯copula模型,并通过应用条件独立的方法,我们设法加载量子电路中的分布的每个模型。然后,我们应用量子振幅估计作为替代蒙特卡罗模拟CDO定价。我们使用IBM Qiskit演示了量子计算结果。我们的工作解决了金融工具定价中的一个有用的任务,大大拓宽了量子计算在金融中的应用范围。
2021-04-14 q-fin.RM quant-ph
Fixed point theorem for simple quantum strategies in quantum market games
给出了买卖博弈中一类简单但非平凡的量子策略。玩家的行动是理性的买入和无条件的卖出。考虑了在这种博弈中获得极值利润的可能性。提出了纠缠商人假说。
2002-10-26 cond-mat.stat-mech physics.soc-ph quant-ph
Risk Mathematics and Quantum Games on Quantum Risk Structures - A Nuclear War Scenario Game
量子博弈论与风险数学的形式化相结合,提供了一种演化情景分析的方法。形式主义是解决其一般形式,然后应用到极端风险建模的情况下,模拟一个共同发展的动态网络的系统性的情况下,代表两个国家之间的区域紧张局势的演变与核武器。该模型的结果是关于潜在的区域核冲突发生,以及如何演变的情况下分析可能有助于核战争威胁评估和动态风险分析。最后讨论了基于量子博弈论、形态网络表示和情景分析相结合的风险评估进化方法的风险数学。
2012-11-28 nlin.AO physics.soc-ph quant-ph
Quantum games and social norms. The quantum ultimatum game
经典博弈的非合作纳什均衡解对应于参与者的理性预期态度。然而,在许多情况下,人类参与者的游戏结果与纳什均衡非常不同。量子游戏的一个限制版本被提出来实现,在数学游戏中,自我利益和规则人类行为的内在社会规范的相互作用。
2002-08-27 quant-ph
Toward Quantum Utility in Finance: A Robust Data-Driven Algorithm for Asset Clustering
University of Nevada, Las Vegas, Nevada, USA(内华达大学拉斯维加斯分校);University of Kaiserslautern-Landau (RPTU)(凯泽斯劳滕-兰道大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心)
本文提出GCS-Q算法,利用量子退火技术对带符号加权图进行稳健资产聚类,提升金融领域聚类质量与效率。
2025-09-13 cs.LG quant-ph
Pricing of graph-based quantum portfolios from first principles
Joint Center for Quantum Information and Computer Science, NIST/University of Maryland(马里兰大学与美国国家标准与技术研究院联合量子信息与计算中心);Joint Quantum Institute, NIST/University of Maryland(马里兰大学与美国国家标准与技术研究院联合量子研究所);Department of Physics, University of Maryland(马里兰大学物理系);Centre for Quantum Technologies, National University of Singapore(新加坡国立大学量子技术中心);Department of Computer Science and Institute for Advanced Computer Studies, University of Maryland(马里兰大学计算机科学与高级计算机研究所);Department of Computer Science, National University of Singapore(新加坡国立大学计算机系)
本文结合量子金融、图论与语境性,提出基于非局域博弈的量子市场,证明排他性量子资产优于经典资产,并用独立数和Lovász theta数给出公平价格上界。
2026-10-05 quant-ph
History state formalism for time series with application to finance
Instituto de Física La Plata, CONICET(拉普拉塔物理研究所,阿根廷国家科学研究委员会);Departamento de Física, Universidad Nacional de La Plata(拉普拉塔国立大学物理系);Comisión de Investigaciones Científicas (CIC)(科学研究委员会)
本文提出利用量子历史状态形式分析时间序列,通过纠缠熵和光谱识别金融数据中的不同演化阶段,并推导基于纠缠的波动率指标。
2026-10-14 quant-ph
When the macroscopic game is the quantum game?
考虑了一个由两个经典博弈组成的两个合作伙伴的宏观博弈的例子,该博弈具有特殊的策略依赖性。每个合作伙伴的平均利润等于在具有两个非交换算子的量子博弈中获得的平均利润,该量子博弈针对具有由波函数定义的策略的自旋半系统。宏观博弈的纳什均衡与量子博弈的纳什均衡一致。
2005-02-07 quant-ph
Arbiter as the Third Man in classical and quantum games
我们研究了不一定真诚的仲裁者对经典和量子2x 2游戏过程的可能影响,我们表明量子情况下的这种影响比经典情况下大得多。量子博弈对作为博弈信息载体的量子对象的初始状态的极端敏感性表明,与经典博弈相反,量子博弈不仅由支付矩阵定义,而且还由用于进行博弈的对象的初始状态定义。因此,两个具有相同支付矩阵但以不同初始状态开始的量子博弈应被视为不同的博弈。
2007-07-04 quant-ph
Extended Nonlocal Games from Quantum-Classical Games
在量子纠缠和非定域性的研究中,考虑了几种不同的非定域博弈。本文涉及其中的两个变种,称为量子经典游戏和扩展的非局部游戏。我们给出了一个扩展的非局部游戏的任何量子经典游戏,允许一个翻译有关量子经典游戏的某些事实,扩展的非局部游戏的建设。特别是,基于Regev和Vidick的工作,我们得出结论,存在扩展的非局部游戏,没有有限维纠缠策略可以是最优的。虽然这个结论是Slofstra最近工作的直接结果,他证明了普通(非扩展)非定域博弈的更强,类似的结果,但基于我们构造的证明要简单得多,并且构造本身可能在纠缠和非定域性研究中有其他应用。
2017-09-05 quant-ph
Is the essence of a quantum game captured completely in the original classical game?
S. J. van Enk和R. Pike在PRA 66,024306(2002)中认为量子博弈的均衡解不是唯一的,而是已经存在于经典博弈本身中。在这项工作中,我们通过证明一个特定的量子(鹰鸽)游戏中的随机策略是量子游戏所独有的来反驳这一论断。换句话说,在经典的Hawk-Dove博弈中,我们不能得到量子Hawk-Dove博弈的均衡解。此外,我们提供了一个解析解的量子$2\times2$战略形式的鹰鸽游戏使用随机混合策略。我们所描述的随机策略是帕累托最优的,其收益是经典无法获得的。我们比较了量子策略和相关策略,发现量子鹰鸽博弈或量子囚徒困境中的相关策略都能产生纳什均衡解。
2021-08-13 cond-mat.other cs.GT math-ph
Supersymmetry and quantum games
在本文中,我们展示了超对称性和量子博弈之间的联系。
2007-03-29 quant-ph
Quantumizing Classical Games: An Introduction to Quantum Game Theory
本文回顾量子博弈论的开创性工作,提出将任意有限经典n人博弈量子化的协议,采用可对易收益算子描述量子博弈,分析量子化带来的额外纳什均衡及帕累托最优性等优势。
2023-04-30 quant-ph
Strong isomorphism in Marinatto-Weber type quantum games
我们的目的是通过把量子博弈和博弈同构的概念结合起来,把注意力集中在一个新的量子方案的标准上。作为一种特殊情况,需要一个量子博弈方案来生成经典博弈。现在,给定一个量子博弈方案和两个同构的经典博弈,我们还要求所得的量子博弈也是同构的。我们展示了这种同构条件如何影响参与者的策略集。我们关注的是Marinatto-Weber型量子博弈方案和策略形式的博弈之间的强同构。
2017-01-21 cs.GT quant-ph
On the equivalence between non-factorizable mixed-strategy classical games and quantum games
博弈论的设置提供了一个数学基础,分析竞争代理之间的战略互动,并提供了洞察经典和量子决策理论和问题的战略选择。一个突出的数学问题,是理解在什么条件下经典博弈论的设置可以转换为量子博弈,在什么条件下有一个等价。在本文中,我们认为量子博弈是那些允许不可因式分解的概率。我们讨论了两种方法来获得一个不可因式分解的游戏,并研究这种游戏的结果。我们演示了如何将标准版本的量子博弈作为不可因式分解的博弈进行分析,并确定了我们方法的局限性。
2015-09-11 quant-ph
Variational Quantum Eigensolver for Real-World Finance: Scalable Solutions for Dynamic Portfolio Optimization Problems
Global Data Quantum;Universidad de Deusto(德乌斯托大学);BBVA Quantum(BBVA量子);IBM Quantum, IBM Thomas J Watson Research Center(IBM量子,IBM托马斯·J·沃森研究中心);IBM Quantum, IBM Spain(IBM量子,IBM西班牙)
本文提出了一种可扩展的变分量子本征求解器方法,用于解决大规模动态投资组合优化问题,通过改进的量子配置恢复和约束分解方法,实现了与经典方法相当的财务表现。
2025-12-26 q-fin.CP q-fin.PM quant-ph
Quantum Game Jam -- Making Games with Quantum Physicists
本文介绍了2014-2019年举办五届的Quantum Game Jam跨学科游戏创作活动,评估其组织模式与原型效用,证实其能促进协作学习并产出可后续开发的游戏原型。
2024-08-16 quant-ph
Strong isomorphism in Eisert-Wilkens-Lewenstein type quantum games
本文的目的是把量子博弈和博弈同构的概念。这项工作的目的是试图引入一个新的量子博弈方案的标准。普遍接受的要求迫使量子方案在特定情况下生成经典博弈。现在,给定一个量子博弈方案和两个同构的经典博弈,我们还要求所得的量子博弈也是同构的。我们关注的是量子博弈方案和策略形式的博弈之间的强同构。
2017-01-19 cs.GT quant-ph
Quantum advice enhances social optimality in three-party conflicting interest games
量子伪心灵感应游戏很好地解释了量子力学的奇异性,展示了量子资源相对于经典资源的优势。大多数量子伪心灵感应游戏是共同利益游戏,然而冲突利益游戏更广泛地用于模拟现实世界的情况。最近,Pappa等人(Phys.Rev.Lett. 114,020401,2015)提出了第一个双方利益冲突的游戏,其中量子建议增强了社会最优性。在本文中,我们给出了两个新的三方利益冲突博弈,并证明了量子建议可以提高三方环境中的社会最优性。我们提出的第一个游戏是基于著名的GHZ游戏,这是一个共同利益的游戏。我们提出的第二个博弈与Svetlichny不等式有关,该不等式证明了量子力学在三方环境中不能用局部隐变量模型来解释。
2016-03-26 quant-ph
Efficiency and formalism of quantum games
我们追求量子博弈的一般理论。我们证明了量子博弈比经典博弈更有效,并为这种有效性提供了一个饱和上限。我们证明了有限经典博弈集是有限量子博弈集的严格子集。我们还推出了量子形式的极小极大定理和纳什均衡定理。
2008-09-19 quant-ph
Quantum repeated games revisited
基于Marinatto和Weber的量子博弈方法,我们提出了一个玩量子重复2x2博弈的方案。作为一个潜在的应用,我们研究了两次重复的囚徒困境博弈。结果表明,当博弈以量子方式进行时,可以得到经典博弈中不存在的结果。在我们提出我们的想法之前,我们对以前的量子重复博弈方案进行了评论。
2011-09-17 cs.GT quant-ph
Playing Games with Quantum Mechanics
我们提出了一个量子游戏的观点,重点是用于实现游戏的数量的物理方面。如果要玩游戏,它必须与具有某种物理存在的物体和动作一起玩。我们称之为可玩的游戏。通过关注游戏可玩性的概念,我们可以更清楚地看到经典游戏和量子游戏之间的区别,并解决游戏可玩性意味着什么的棘手问题。我们采取的方法可以更恰当地被认为是量子游戏,而不是量化游戏,我们发现,从这个角度来看,我们可以认为一个完整的量子游戏,对于给定的偏好集,代表一个单一的量子游戏家族,有许多不同的可玩版本。因此,在文献中提出的量子囚徒困境的版本可以被认为是关于特定测量的量子囚徒困境的单个家族的具体实例。均衡的条件给出了可玩的量子游戏的预期结果和几何方法。我们讨论了任何量子游戏可以模拟一个经典的游戏与经典硬币的策略选择和预期的结果。
2012-02-22 quant-ph