Conditional Generative Models for Learning Stochastic Processes

要約

タイトル： Conditional Generative Models for Learning Stochastic Processes

要約：

– C-qGANと呼ばれるマルチモーダル分布を学習するためのフレームワークが提案されました。
– この技術は量子回路内の厳密なニューラルネットワーク構造を持ち、現在の方法よりも効率的な状態準備手法を表します。
– この方法は、モンテカルロ分析などのアルゴリズムの高速化の可能性を秘めています。
– 学習課題におけるネットワークの有効性を示した後、この技術はアジア・オプション・デリバティブの価格設定に適用され、その他のパス・デペンデントなオプションについての研究の基盤を提供します。

要約(オリジナル)

A framework to learn a multi-modal distribution is proposed, denoted as the Conditional Quantum Generative Adversarial Network (C-qGAN). The neural network structure is strictly within a quantum circuit and, as a consequence, is shown to represent a more efficient state preparation procedure than current methods. This methodology has the potential to speed-up algorithms, such as Monte Carlo analysis. In particular, after demonstrating the effectiveness of the network in the learning task, the technique is applied to price Asian option derivatives, providing the foundation for further research on other path-dependent options.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI