Photonic Quantum Computing vs. Classical Solvers in Constrained Factor Portfolio Optimization
本論文は、ファクター・ポートフォリオ最適化におけるフォトニック量子アニーリング、古典的な混合整数計画法、および深層強化学習を経験的に評価しており、フォトニック・ハードウェアは特定のリスク・リターン・シナリオにおいて優れているものの、厳格なテールリスク管理と安定性を必要とするマンデートにおいては古典的なソルバーが依然として優位であると結論付けている。