Learning PDEs for Portfolio Optimization with Quantum Physics-Informed Neural Networks
Los autores proponen una red neuronal cuántica informada por física (QPINN) que, mediante el uso de circuitos cuánticos parametrizados y descomposición de rango tensorial, resuelve ecuaciones diferenciales parciales para la optimización de carteras con mayor precisión y convergencia que los métodos clásicos, utilizando hasta 80 veces menos parámetros.