Документ представляет собой научно-исследовательскую работу студентки Финансового университета при Правительстве РФ (Курский филиал), посвящённую проекту QuantumBoost. В тексте описаны цель и задачи гибридной вычислительной системы, соединяющей классические платформы машинного обучения с квантовыми процессорами, а также этапы реализации проекта и примеры применения в финансах и фармацевтике.
Документ представляет собой научно-исследовательскую работу студентки Финансового университета при Правительстве Российской Федерации (Курский филиал), выполненную под руководством преподавателя. Работа посвящена проекту QuantumBoost, гибридной вычислительной системе, объединяющей классические и квантовые компьютеры для ускорения машинного обучения. Текст включает аннотацию, ключевые слова и список источников.
В начале работы обосновывается актуальность: традиционные вычислительные системы приближаются к пределам, а обучение сложных нейронных сетей требует всё больше ресурсов. Далее вводятся ключевые понятия: квантовые вычисления, кубиты, суперпозиция, квантовая запутанность, квантовое преимущество, квантовые нейронные сети. Описывается гибридный подход, при котором классические суперкомпьютеры готовят данные, а ресурсоёмкие этапы переносятся на квантовые устройства.
Работа перечисляет задачи проекта: создание единой архитектуры для взаимодействия с TensorFlow и PyTorch, обеспечение обмена данными между классическими и квантовыми компонентами, использование облачных сервисов IBM Quantum и Google Quantum AI. Упоминаются квантовые алгоритмы VQE, QAOA и методы квантовых ядер.
Отдельный раздел описывает четыре этапа реализации: закладку фундамента и верификацию идей с симуляциями на Qiskit, Cirq и Pennylane; создание гибридного прототипа и испытания на реальных квантовых устройствах с компенсацией ошибок NISQ; улучшение платформы, разработку интерфейса и API; выход на рынок в формате облачного сервиса SaaS.
Приведены примеры применения в финансовой сфере: оптимизация портфеля и управление рисками, обнаружение мошенничества, алгоритмический трейдинг, кредитный скоринг. Также описаны ожидаемые результаты: ускорение разработки медикаментов, индивидуализированный подход в медицине, научные прорывы в химии, физике и биологии. Завершает работу список использованных источников.