Monte Carlo mengembangkan CQC Alco untuk mempercepat integrasi dengan komputer kuantum

Integrasi Monte Carlo – proses memperkirakan jumlah rata-rata distribusi probabilitas sampel – digunakan untuk menilai risiko dan mensimulasikan harga untuk berbagai jenis instrumen keuangan.

Menggunakan perangkat keras tradisional, kalkulasi kompleks yang diperlukan untuk Monte Carlo biasanya dilakukan dalam semalam, yang berarti bahwa di pasar yang bergejolak, pedagang terpaksa menggunakan hasil yang sudah ketinggalan zaman.

CQG mengklaim telah “memecahkan” masalah ini dengan algoritma komprehensif yang dicetak di depan penelitian yang diterbitkan oleh ilmuwan peneliti senior Steven Herbert, “menunjukkan bagaimana tantangan historis dihilangkan dan manfaat kuantum ganda penuh diperoleh”.

Herbert mengatakan: “Algoritme baru ini merupakan terobosan bersejarah yang memperluas integrasi Quantum Monte Carlo, dan akan memiliki aplikasi di era NISQ dan seterusnya. Kami sekarang memiliki kemampuan untuk hanya mencapai kecepatan kuantum teoretis di masa lalu.”

Bulan lalu, Goldman Sachs mengatakan telah membuat terobosan yang dapat melihat simulasi Monte Carlo tumbuh lebih cepat menggunakan perangkat keras kuantum terdekat yang diharapkan tersedia hanya dalam lima hingga 10 tahun. Untuk melakukan ini, peneliti bank dan mitra QCWare mengembangkan beberapa algoritme Monte Carlo dangkal yang mengorbankan kecepatan mulai dari 1000x hingga 100x.