维度网讯，Classiq与英伟达（NVIDIA）将Classiq高级量子建模语言与NVIDIA CUDA-Q混合开发栈集成，以加速金融行业投资组合风险和资产定价等密集型计算问题的处理。该统一环境利用图形处理单元（GPU）加速执行迭代算法，可自动将标准金融数学抽象转换为硬件优化的量子电路目标。

金融行业在解决与投资组合风险管理和资产定价相关的计算问题时，随着投资组合扩展和市场条件变量引入，经典计算的开销呈指数级增长。集成工作流将投资组合分配优化问题映射到量子近似优化算法（QAOA）框架。该问题是从N个候选资产中选择k个资产，在风险维持在规定阈值内的同时最大化预期收益，规模呈组合增长（2^N），对经典混合整数线性规划求解器在大规模下构成重大挑战。

开发者可使用标准经典运筹学软件包Pyomo编写金融目标函数及其预算边界，无需管理底层门级逻辑。Classiq的综合引擎自动将线性目标变量和协方差矩阵转换为优化的成本哈密顿量和参数化混合器电路层，并转换为原生CUDA-Q内核。在变分训练循环中，外部经典优化过程使用条件风险价值度量（专注于前30%的采样结果）迭代更新电路参数，在本地英伟达GPU上运行时实现了比标准云托管硬件模拟器快2.5倍的执行加速。

在衍生品定价方面，该联合管道实现了迭代量子振幅估计（IQAE）。估算欧式期权价格需计算对数正态价格分布下的预期资产收益，经典蒙特卡洛模拟存在收敛速度慢的问题，需将数据采样量增加100倍才能将数值精度提高10倍。量子振幅估计（QAE）在查询操作中引入二次加速，降低高精度衍生品评估所需的运行时间。IQAE作为硬件就绪的变体，通过自适应扫描类似Grover的神谕来缩小计算置信区间，绕过深度、噪声敏感的受控相位网络。Classiq将金融参数（包括资产执行价格、均值变化和分布阈值）与底层执行层隔离。当编译到CUDA-Q架构时，该算法使用动态运行时整数循环，而非在每次迭代中物理展开完整的神谕电路，使编译后的内核大小保持不变，在加速GPU架构上验证期权价值的同时最小化物理量子比特宽度。

统一Classiq-英伟达栈在问题表述和物理硬件执行之间强制执行严格的关注点分离。金融分析师使用Python语法在高级建模层调整分配框架、收益规则和边界配置，随后Classiq编译器优化门数和量子比特布局，以适应目标处理器后端的具体连接约束。得到的布局转换为CUDA-Q对象，利用专用加速引擎协调跨主机CPU、GPU以及最终量子处理单元（QPU）的混合任务。这一软件管道允许企业金融团队使用高吞吐量GPU集群构建和测试与硬件无关、可部署的工作流，确保在容错量子计算机达到工业规模时实现无缝执行转移。

完整的技术软件实现、金融建模语法和算法执行基准可通过Classiq研究门户（Classiq Research Portal）查看，更广泛的多提供商软件上下文可通过英伟达（NVIDIA）量子基础设施注册表（NVIDIA Quantum Infrastructure Registry）获取。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com