Towards Quantum Decision Intelligence: A Four-Qubit Architecture for Venture Capital's Non-Linear Dilemmas on a 156-Qubit IBM Heron Processor
本文介绍了 HQDIS，一种在 IBM 的 156 位 Heron 处理器上进行测试的四量子比特变分量子电路，用于风险投资筛选，该电路在小型合成基准测试中展示了极高的硬件-模拟保真度以及与经典模型相当的性能，尽管在第二个合成数据集上其表现逊于经典算法，这凸显了当前量子优势在该领域的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在商业领域，从新技术中获利是最困难的任务之一。当投资者面对一个拥有绝妙创意但没有销售记录和历史背景的初创公司时，他们无法使用适用于成熟公司的标准数学模型。由于没有过去的利润可以计算，甚至市场可能还不存在。相反，投资者必须依赖于对无形事物的直觉判断：团队是否诚实？技术是否真实？创始人能否接受批评？这些决策往往涉及复杂的权衡，例如一个优秀的团队可以弥补产品的风险，而一个不诚实的创始人则可能瞬间毁掉一个完美的创意。几十年来，研究人员一直试图构建计算机模型来辅助这类决策，但标准计算机难以捕捉这些混乱、非线性的判断，否则就会产生混乱或犯下简单的错误。
一项新研究探讨了另一种类型的计算机——一种利用量子物理奇特规则的计算机——是否能更好地处理这些棘手的决策。量子计算机并不只是进行直线式的数字计算；它们可以同时持有多种可能性，并让它们以模拟人类思维权衡冲突因素的方式进行相互作用。研究人员构建了一个小型专门模型，以观察这种方法在现实世界中是否可行。他们没有在一个庞大的真实公司数据库上进行测试，因为此类数据通常是保密的或过于杂乱而难以使用。相反，他们精心设计了一套由45个虚构投资场景组成的集合，这些场景完美地代表了数十年商业研究中所描述的艰难抉择。随后，他们将量子模型与这些场景进行了对比，并将其结果与目前最先进的标准计算机程序进行了比较。
由德克萨斯理工大学（Tecnológico de Monterrey）的恩里克·迪亚斯·德莱昂·洛佩斯（Enrique Díaz de León López）领导的团队设计了一个名为 HQDIS 的系统。这是一个非常小的量子电路，使用仅有的四个量子比特（qubits）来代表投资者考虑的四个主要因素：技术的成熟度、创始人的信誉、市场契合度以及早期的成功迹象。研究人员必须非常小心地对机器进行编程。在早期测试中，他们发现当一家初创公司在纸面上看起来近乎完美时，量子数学有时会反转结果，告诉他们拒绝一个伟大的创意。他们发现了导致这一现象的一个特定数学故障，并通过调整信息进入机器的方式修复了它，确保更好的评分总是能带来更高的融资机会。
一旦模型校准完成，研究人员便对其进行了测试。他们将45个场景输入量子系统，并将决策结果与三种标准的计算机方法进行了比较：一个简单的线性计算器、一个随机森林决策树和一个梯度提升算法。该量子模型的表现非常出色，正确率约为80%。这在统计学上与那些以擅长识别模式而闻名的复杂树状程序表现相当。有趣的是，在这个特定的测试中，一个更简单的线性计算器得分甚至略高，尽管两者的差距并不大，不足以断定后者更好。关键的发现是，这个微小的量子模型仅通过极少数的可调参数，就能达到规模大得多的复杂系统的性能水平。
为了证明这不仅仅是模拟，团队将模型应用到了真实的量子计算机上。他们使用了来自 IBM 的一台拥有156个量子比特的处理器，这是一台现今实验室中存在的强大机器。他们将所有45个案例发送到物理硬件中，并观察机器如何处理自然存在于真实量子设备中的噪声和干扰。结果令人瞩目。物理机器在93%的案例中做出了正确决策，且其选择与完美模拟的结果匹配度达98%。这表明该模型足够稳健，能够经受住真实量子处理器不完美环境的考验。研究人员还展示了该系统是可以被审计的。他们可以选取一个处于边缘状态的案例，并缓慢改变其中一个因素（如创始人的经验），以观察决策是在何时从“拒绝”转向“注资”的。这种透明度是许多现代人工智能系统无法提供的。
然而，这项研究也揭示了这项技术的局限性。研究人员创建了第二组包含500个虚构案例的集合，专门设计用于应对极其困难且具有非线性的问题——这也是量子计算机理应大显身手的地方。在这次更严苛的测试中，量子模型并未胜出。它明显逊色于标准的树状计算机程序，也未能超越简单的线性计算器。量子模型在对最佳机会进行排名时显示出微弱的（但在统计学上未得到证实）优势，但在做出正确决策的数量上并未超过传统方法。这表明，虽然量子方法是可行的，并且可以在某些类型的问题上与现有技术相媲美，但它尚未找到能够击败最优秀传统工具的明确优势。
这项工作的价值不在于取得了预测能力的突然突破，而在于它证明了在今天实现这些目标的可能性。研究人员展示了一个量子决策系统是如何被构建、被调优以避免特定错误，并在真实硬件上以高精度运行的。他们还展示了这些系统可以提供清晰、可审计的决策路径，这对于需要向董事会和监管机构解释其选择的投资者来说至关重要。研究结论指出，虽然量子决策智能目前还不是解决所有投资困境的“灵丹妙药”，但它是一个功能完备、已准备好进入下一阶段开发的工具。它提供了一种思考复杂选择的新方式，一种既尊重人类判断的混乱与非线性本质，又能运行在最先进硬件上的思考方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。