Conditional Generative Models for Learning Stochastic Processes

要約

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ており、Conditional Quantum Generative Adversarial Network (C-qGAN) と呼ばれます。
ニューラル ネットワーク構造は厳密に量子回路内にあり、その結果、現在の方法よりも効率的な状態準備手順を表すことが示されています。
この方法論は、モンテカルロ分析などのアルゴリズムを高速化する可能性があります。
特に、学習タスクにおけるネットワークの有効性を実証した後、この技術はアジアのオプションデリバティブの価格設定に適用され、他のパス依存オプションに関するさらなる研究の基礎を提供します。

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, Google