摩根大通與亞馬遜聯手開發量子工具，瞄準金融優化難題

摩根大通 (JPMorgan Chase) 與亞馬遜先進解決方案實驗室 (Amazon Advanced Solutions Lab) 共同宣布一項研究計畫，專注於利用量子技術解決金融領域中複雜的優化問題。此次合作已產出三篇研究論文，展示了在近期可用的量子硬體上解決大規模優化問題的創新工具。

合作重點與研究成果

此項研究的核心在於將量子設備作為「協同處理器」，與傳統的古典電腦求解器結合，形成混合式解決方案。研究人員利用基於里德堡原子 (Rydberg atoms) 的類比中性原子量子機器進行實驗，特別是在亞馬遜 Braket 平台上提供的 QuEra 公司 Aquila 量子設備，實驗中最多使用了 231 個量子位元。

這三篇論文分別針對不同的挑戰提出了具體方法，旨在將龐大且複雜的現實世界問題分解、編譯，並以混合模式高效求解，為量子運算在金融領域的實際應用鋪平道路。

金融應用的具體突破

在第一篇論文中，研究團隊聚焦於金融業核心的投資組合優化與再平衡問題。他們開發出一套分解流程，能夠在維持求解品質的同時，將實際投資組合優化問題的規模縮減約 80%。

Ad

這項技術的影響相當顯著。對於包含多達 1,500 個變數的大規模投資組合優化問題，該流程展現出將求解時間縮短 3 倍的優異表現。這對於需要快速反應市場變化的資產管理機構而言，具有重要的潛在價值。

演算法創新與效率提升

第二篇論文介紹了一款量子編譯工具包，用於解決圖論中的「最大獨立集問題」，這類問題在金融風險分析等多個領域都有應用。該工具包能將實際圖形所需的量子位元數量降低數個數量級。舉例來說，一個過去需要約 2,900 萬個量子位元才能處理的圖形問題，透過新方法僅需數十個量子位元即可解決。

第三篇論文則提出名為 qReduMIS 的混合式量子-古典演算法。該演算法在 QuEra 的 Aquila 設備上進行的實驗中，對於困難問題實例的平均成功率超過 89%，證明了量子協同處理器在混合運算框架下的實用性與可靠性。