量子科技中心_量科网

该研究团队提出了一种带基数约束的大规模投资组合选择的端到端流程，并利用硬件感知分解技术在离子阱量子处理器上进行了实验验证。该工作基于随机矩阵理论（RMT）的关联矩阵去噪和社区检测技术，首先识别出关联资产群组，继而提出一种关联引导的贪心分割方案——该方法通过可执行量子比特预算对每个群组进行规模封顶。每个群组构成一个可在硬件上嵌入的二次无约束二值优化（QUBO）子问题，研究人员采用偏置场数字化反绝热量子优化（BF-DCQO）这一非变分方法进行求解，从而规避经典参数训练循环。 通过将低能候选解重组为全局投资组合，该团队采用两阶段后处理流程确保可行性：先进行快速修复，再实施保持基数约束的交换局部搜索。研究选取标普500指数中250只股票构成测试资产池，在与IonQ Tempo系列相似的64量子比特钡离子开发系统上执行子问题求解。实验表明，在相同后处理条件下，较大的可执行子问题规模能降低分解误差，并系统性提升最终目标值及风险-收益权衡表现（相较于随机基线）。整体而言，该成果确立了一条经过硬件验证的金融优化问题扩展路径——其核心在于构建可执行问题规模、量子线路成本与最终解质量三者平衡的权衡空间。