第一列
量子演算法及應用逐漸成熟，各界積極研究量子計算的潛在應用。本計畫使用量子演算法與開發新型量子演算法，與人工智慧和機器學習相結合，以解決基礎、工業、生物醫學和金融問題。除利用量子電腦與量子啟發機器外，也使用混合量子和古典電腦的綜合技術，來處理高複雜度問題與加速計算，以達成即時服務。計畫著重實務的金融與社會問題，同時與台灣工業、醫療和金融機構密切合作，以使用量子計算解決產業界的真實問題為計畫主要目標。
我們的研究項目側重於量子金融、量子藥物設計、量子材料分析和量子優化，並與台灣幾個主要的工業合作夥伴合作，希望能夠解合作夥伴提供的真實 POC 問題並進而在實務問題產生量子優勢。
-
共同主持人
-
郭斯彥（國立臺灣大學電機工程學系暨研究所）
-
廖世偉（國立臺灣大學資訊工程學系暨研究所）
-
曾宇鳳（國立臺灣大學生醫電子與資訊學研究所）
-
賴朝松（長庚大學電子工程學系）
多階段量子行走在金融市場模擬中的應用
- 此技術欲解決問題：
量子計算在金融市場模擬中的應用，旨在解決傳統計算方法難以處理的大規模數據分析和複雜系統模擬的問題。由於金融市場的動態性和不確定性，傳統的模型和算法在預測精度和計算效率上常常受到限制。多階段分步量子行走技術利用量子力學的超位置和糾纏特性，可以大幅提升模擬精度，並有效處理複雜的金融數據，為市場預測和風險管理提供更加準確和高效的解決方案。 - 重要性 /突破性：
多階段分步量子行走技術的引入，標誌著金融市場模擬的一次重大突破。該技術不僅提升了模擬的準確性和效率，還擴展了金融模型的應用範圍。通過量子行走技術，我們可以更深入地理解市場動態，捕捉市場波動的細微變化，從而制定出更加精確的投資策略和風險管理措施。這種技術突破有望改變現有的金融分析方法，為金融科技領域帶來全新的研究方向和應用前景。 - 與計畫未來研發方向的關聯性：
該技術與我們未來的研發計畫具有高度的相關性。我們計畫將量子計算技術應用於更多的金融場景，包括投資組合優化、資產定價和風險評估等。多階段分步量子行走技術作 為其中的一個重要組成部分，將成為我們研究的核心方法之一。我們將進一步優化這一技術，拓展其應用範圍，並結合其他先進的量子算法，推動量子金融科技的發展，為金融市場的分析和決策提供更加強大的工具。
這張圖說明了多階段量子行走（multi-Split-Steps Quantum Walk, multi-SSQW）的架構。整個系統展示了量子行走如何與經典優化技術結合，用於複雜的金融市場模擬和決策分析。
出處：Yen-Jui Chang, Wei-Ting Wang, Hao-Yuan Chen, Shih-Wei Liao, Ching-Ray Chang. “A novel approach for quantum financial simulation and quantum state preparation.” Quantum Mach. Intell., vol. 6, no. 24, 2024.
高效能混合式量子計算及其軟體平台應用於量子電路及金融最佳化
- 此技術欲解決問題：
本技術旨在解決金融科技領域的投資組合最佳化和股票交易系統的挑戰，同時結合量子計算與電路合成最佳化， 利於 開發更多基於量子計算的上層應用。 - 重要性/突破性：
量子啟發式最佳化證實效能優於傳統算法，但解決複雜問題仍面臨挑戰。我們提出的新技術，利用疊加態編碼避免過早收斂，有效導引快速搜尋，結合量子反閘跳脫局部最優，自適應調整參數及收斂速度，並利用糾纏態考慮變數關係，有效搜尋最佳解，並推廣至多目標模型，提供多樣性策略，並額外發展視覺化應用介面。此技術應用於量子電路合成，有效降低使用邏輯閘數量，加速IBM量子電腦發展。更研發新穎趨勢值金融投資模型，精準定義穩定上漲走勢，應用於全球股市證實其通用性。該模型編碼至D-Wave量子電腦，大幅縮短計算時間，顯著提高投資報酬和降低風險。 - 與計畫未來研發方向的關聯性：
證實混合式量子最佳化技術可應用於金融最佳化以及量子可逆電路合成協助量子電腦發展， 達到量子優勢大幅提升搜尋品質及效率。同時推進量子計算在混合式量子電腦架構下之實際應用進展以及模擬量子特性達到最佳化技術之優勢效能，作為後續量子最佳化技術之發展橋梁 。
發展高效混合量子最佳化技術，優化量子電路，構建金融多目標及權重投資組合，降低搜尋時間，提高報酬並降低風險。
出處：
Yao-Hsin Chou, Ching-Hsuan Wu, Pei-Shin Huang, Shu-Yu Kuo, Yu-Chi Jiang, Sy-Yen Kuo, and Ching-Ray Chang “Hybrid Quantum Annealing with Innovative Trend Ratio Model for Portfolio Optimization,” 2024 IEEE World Congress on Computational Intelligence (IEEE WCCI 2024), (Accepted for Publication), July 2024.
Yu-Chi Jiang, Yun-Ting Lai, Po-Chun Chen, Yu-Yu Chang, Kun-Min Wu, Shu-Yu Kuo, Yao-Hsin Chou, and Sy-Yen Kuo, “Quantum-Inspired Computing: Entanglement-Enhanced Technique for Short Portfolio in Global Markets,” 2023 IEEE International Conference on Nanotechnology (IEEE NANO 2023), pp. 534-538, July 2023. (Best Poster Award, First Prize)
Yao-Hsin Chou, Yu-Chi Jiang, Yi-Rui Hsu, Shu-Yu Kuo, and Sy-Yen Kuo, “A Weighted Portfolio Optimization Model Based on the Trend Ratio, Emotion Index, and ANGQTS,” IEEE Transactions on Emerging Topics in Computational Intelligence, vol.6, no. 4, pp. 867-882, August 2022.
以量子啟發式計算解析天然物結構
- 此技術欲解決問題：
從未知天然物的質譜儀實驗結果解析出化學結構之NP完備問題。 - 重要性/突破性：
將資料庫的分子量及結構資訊和目標訊號作比對，將可能的結構排列組合轉換成二次無約束優化(QUBO)問題，以量子啟發計算得出最佳解，時間複雜度僅線性成長。 - 與計畫未來研發方向的關聯性：
從天然萃取物中提取有效成份進行新藥開發時，此研究能協助解析新發現物質的結構，加速藥物開發進程。
使用量子啟發計算，從未知天然物的質譜儀實驗結果解析出化學結構的流程圖。
出處：C Lee, PH Wang, YJ Tseng*(2023, Aug). Exploration of Quantum-Inspired Computing for Natural Product Structure Elucidation. ACS FALL 2023 National Meeting & Exposition, San Francisco, CA.
基於二次無約束二值最佳化 (quadratic unconstrained binary optimization, QUBO)的量子啟發式退火最佳化的自動化工具鏈
- 此技術欲解決問題：
本技術開發一基於 QUBO的量子啟發式退火最佳化的自動化工具鏈用以求解組合最佳化 (combinatorial optimization problem, COP)問題。 - 重要性 /突破性：
幫助不熟悉QUBO的一般使用者能利用 量子啟發式退火器求解一些常見的 COP問題 - 與計畫未來研發方向的關聯性：
本計畫之子計畫三目標乃實作一基於QUBO的量子最佳化軟體開發平台（QUBO-based software development platform, QSDP 平台，此系統乃實現此計畫目標之關鍵。
圖為本計畫實作量子啟發式退火最佳化的自動化工具鏈之使用者介面的四個面板。
出處：Yun-Ting Zhang, Chin-Fu Nien, Chia-Wei Lin, Wen-Jui Chao, Chen-Yu Liu, Lien-Po Yu, Yuan-Ho Chen, “An Automated Toolchain for QUBO-based Optimization with Quantum-inspired Annealers,” 20th International SoC Design Conference (ISOCC), Jeju, Korea, Republic of, 2023, pp. 171-172.