金融交易员在很大程度上依赖计算机金融模拟来做出买入和卖出决定。具体来说，“蒙特卡罗”模拟被用于评估风险和模拟各种金融工具的价格。这些模拟也可以用于公司财务和投资组合管理。
但在一个其他行业经常利用实时数据的数字世界里，金融交易员正在使用相当于Pony Express的数字产品。这是因为蒙特卡罗模拟涉及如此大量复杂的计算，它们消耗的时间和计算资源比一个拥有Superflex位置的14支球队、两名四分卫的在线虚拟足球联盟还要多。
因此，使用蒙特卡罗方法进行财务计算通常是一天一次。尽管在相对平静的债券市场中，这可能没什么问题，但试图驾驭波动性更大的市场的交易员却处于不利地位，因为他们必须依赖旧数据。如果有一种方法可以加速蒙特卡罗模拟，以造福我们可怜的金融交易员就好了!
根据金融服务巨头高盛和QC器皿该公司开发的应用程序可在近期的量子计算硬件上运行。据报道，这两家合作伙伴的研究人员已经设计了新的量子算法，用于在有望在5到10年内使用的近期量子硬件上运行蒙特卡罗模拟。
有很多东西需要整理。首先，什么是近期的量子计算硬件?基本上，这是一个有缺陷且容易出错的量子计算的完整实现版本，极易受到环境“噪音”的影响。在实际操作中，这意味着近期的量子器件有很高的错误率，并且只需要几个计算步骤就会返回错误的结果。
我知道，帮我报名吧?幸运的是，有一些量子算法能够减少错误，同时使量子计算机能够进行蒙特卡罗模拟快1000倍比经典方法。不幸的是，这些算法要想以那样的速度运行模拟，所需要的纠错量子硬件还需要10到20年的时间。
高盛(Goldman Sachs)和QC Ware的研究人员开始试图在实现速度和最佳量子计算性能之间找到一些中间地带。
两家公司在一份新闻稿中表示:“通过成功地牺牲从1000倍到100倍的速度，该团队能够生产出浅层蒙特卡罗算法，该算法可以在近期有望在5到10年内使用的量子计算机上运行。”
因此，虽然没有立即的帮助，但金融交易员可以放心，因为他们知道更快的蒙特卡罗模拟的时间线已经减半了。从现在开始的短短几年里，金融蒙特卡洛模拟和14支球队、两名四分卫的Superflex在线梦幻足球联赛将不会看起来一样。这也适用于量子计算有望带来变革的其他领域，包括医疗保健、人工智能、物流、制造和国家安全。
量子算法能够成倍地提高计算速度，这将使企业能够更快地创新，更快地对市场混乱作出反应，并更有效地运作。这就构成了相当大的竞争优势。首席信息官们忽视量子计算会给自己带来危险。
奖金:量子计算突破新闻
与此同时，美国洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)为证明给量子位剥皮的方法不止一种报告它正在利用机器学习开发算法，使当今的量子计算机不那么容易受到噪音的影响。
在一个新的纸该科学研究机构展示了一种名为“噪声感知电路学习”的方法如何将错误率降低两到三倍。
洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)的量子物理学家、这篇论文的第一作者帕特里克·科尔斯(Patrick Coles)表示，机器学习方法类似于一个人接种疫苗，训练免疫系统抵抗病毒。机器学习允许量子算法或电路对抗特定量子机器的噪声过程。有一个我们都能联想到的类比。