量子科技中心_量科网

量子组合优化为复杂金融建模提供了理论优势，但在含噪中等规模量子（NISQ）设备上的物理实现受到硬件拓扑的严重限制。本研究针对混合均值方差与条件风险价值（CVaR）投资组合目标，对硬件高效变分量子神经网络（HE-VQNN）和暖启动量子近似优化算法（WS-QAOA）进行了硬件基准分析。通过实现一种新颖的经典-量子混合代理矩阵来绕过CVaR辅助量子比特瓶颈，该研究将印度NIFTY 50指数中多达16种资产映射到IBM重六边形处理器上。研究人员系统量化了算法对路由过程中产生的“SWAP代价”的鲁棒性。实证结果揭示了关键的操作权衡：WS-QAOA提供了精确的理论映射，但由于指数级非局部门开销而遭受灾难性的硬件退相干；相反，HE-VQNN保持了硬件相干性，但缺乏捕获密集尾部风险资产相关性的数学表达能力。本研究揭示了当前架构下密集金融优化的局限性，迫使研究团队在算法不可表达性与硬件退相干之间做出不可行的选择。这表明了缺乏全连接能力的NISQ计算机在能力边界上的更深层限制。