Rigetti Computing и Австралийский банк содружества (CBA) разработали новую квантовую технику, которая может помочь решить проблемы в обучении генерирующих состязательных сетей (GAN) в качестве решений машинного обучения для финансовых приложений. Основываясь на решении «игры с перегрузкой», в которой награда каждого игрока уменьшается при совместном использовании ресурсов с другими игроками, команда считает, что этот метод может применяться в дополнительных секторах, таких как проектирование дорожно-транспортной сети и проблемы с маршрутизацией транспортных средств. Команда проверила свое решение с помощью симулятора шестикубитного квантового компьютера.

Финансовые учреждения изучают, как сети GAN могут решать такие проблемы, как выявление мошенничества, прогнозирование проблем с сетевой инфраструктурой и разработка надежных стратегий торговли и управления рисками. GAN поддерживают эти варианты использования, обучая нейронную сеть дискриминатора таким образом, чтобы она была устойчивой к «фальшивым» данным, созданным второй нейронной сетью. Вторая сеть известна как генератор и пытается точно моделировать наблюдаемые данные. Генератор находит дополнительные приложения при получении синтетических данных о клиентах, рынках и транзакциях, что позволяет разрабатывать решения в области информационных технологий без риска для информации о клиентах.

Ригетти и CBA обратились к общей проблеме обучения GAN, когда процесс может не привести к созданию оптимальных различающих и генерирующих сетей, потому что каждая из них застряла в неоптимальном решении, которое нельзя улучшить без одновременного изменения другого - явление, известное как локальное Равновесие по Нэшу.

Независимо, команда из Лаборатории квантового искусственного интеллекта НАСА (QuAIL) определила вычисление равновесия по Нэшу как ключевую проблему в машинном обучении, для которой могут применяться квантовые вычисления. Команда Rigetti-CBA задалась вопросом: сможем ли мы найти глобально оптимальное равновесие по Нэшу и, таким образом, обеспечить наилучшую производительность для этих потенциальных приложений? Ответ на этот вопрос представляет собой NP-сложную вычислительную задачу, которую трудно решить на классическом вычислительном оборудовании.

Результаты впервые демонстрируют, как квантовый компьютер можно использовать для оценки оптимального равновесия по Нэшу в дискретной сетевой игре, напоминающей транспортный поток в дорожной сети. Моделируя шесть кубитов, команда определила наиболее эффективную комбинацию стратегий игроков с учетом шести возможных путей и двух игроков. Это решение, оптимальное равновесие по Нэшу, является состоянием, которое для GAN максимизирует дискриминационную способность и генеративную точность модели.

Ригетти и CBA ожидают, что этот новый вклад в эту область поможет ответить на этот вопрос утвердительно и приведет к новым квантовым подходам к использованию GAN и теории игр для решения проблем машинного обучения в разных секторах. Это второе приложение, опубликованное за последние несколько месяцев
командой Rigetti и CBA после работы в области ребалансировки портфеля.

Марк Ходсон, Брендан Рак, Хью (Хуэй Чуан) Онг, Стефан Дульман, Дэвид Гарвин. Нахождение оптимального равновесия по Нэшу в дискретной игре Розенталя с перегрузкой с использованием квантового альтернативного оператора анзаца. https://arxiv.org/abs/2008.09505

О Commonwealth Bank of Australia
Commonwealth Bank (ASX: CBA) - один из ведущих австралийских поставщиков банковских услуг для физических лиц, предприятий и организаций, а также брокерских услуг с акциями. С 17,4 миллионами клиентов и более чем вековой историей Группа ставит перед собой цель улучшить финансовое благополучие своих клиентов и сообществ. Commonwealth Bank -
лидер Австралии в области цифрового банкинга и имеет самую большую сеть отделений по всей стране. Штаб-квартира банка находится в Сиднее, Австралия. Банк управляет такими брендами, как Bankwest в Австралии и ASB в Новой Зеландии. Для получения дополнительной информации о Commonwealth Bank посетите www.commbank.com.au.