Quantum computing: En viktig allierad för att uppfylla affärsmål

Tillhandahålls av Svar

I affärsvärlden relaterar möjligheterna att tillämpa kvantteknologi till optimering: att lösa svåra affärsproblem, konfigurera om komplexa processer och förstå sambanden mellan till synes olika datamängder. Huvudsyftet med kvantberäkning är att utföra beräkningsmässigt kostsamma operationer på mycket kort tid, samtidigt som affärsresultatet accelereras.

Quantum computing kan optimera affärsprocesser för valfritt antal lösningar, till exempel maximering av kostnads-/nyttoförhållanden eller optimering av finansiella tillgångar, drift och logistik, och personalledning, vilket vanligtvis ger omedelbara ekonomiska vinster. Många företag använder redan (eller planerar att använda) klassiska optimeringsalgoritmer. Och med fyra internationella fallstudier har Reply bevisat att en kvantansats kan ge bättre resultat än befintliga optimeringstekniker.

Hastighet och beräkningskraft är nyckelkomponenter när man arbetar med data. Användningen av accelererad hårdvara som kvantbearbetningsenheter eller grafiska bearbetningsenheter ger den prestanda som krävs för operationer som kräver hög datorkraft. Sektorer som logistik, ekonomi och tillverkning kan dra stor nytta av detta tillvägagångssätt. Och qubit, som är ett nyckelelement i kvantberäkningar, tillåter organisationer att närma sig sina utmaningar på ett helt nytt sätt. När tekniken mognar verkar utsikterna att kvantdatorer ska stå till företagens fulla förfogande – så kallad kvantöverhöghet – närma sig.

Reply har under de senaste åren varit med och utvecklat proof of concepts och projekt som tillämpar kvantalgoritmer på verkliga användningsfall inom många affärsområden, vilket ger kunderna konkreta och effektiva svar på deras problem.

2018 erhöll Reply ett forskningsanslag för att använda Universities Space Research Associations D-Wave quantum annealer, som är en del av Quantum Artificial Intelligence Research Program som inkluderar deltagare som NASA och Google. Och nyligen, Svar publicerade en studie i Springer Quantum Machine Intelligence peer reviewed journal om hur en kvantglödgningsanordning kan lösa komplexa optimeringsproblem på ett korrekt sätt.

Det finns ett antal sätt som kvantberäkningar kan användas i verkliga miljöer, inklusive inom ekonomi, logistik och transportverksamhet.

Quantum för finansoptimering

Quantum computing används för optimering inom finansområdet. Tack vare en kvantalgoritm som utvecklats med Reply kunde ett kreditinstitut optimera de dagliga säkerhetskostnaderna relaterade till handel med OTC-derivat, ta hänsyn till icke-linjäriteter i modellen och implementera ett dedikerat simuleringsbaserat optimeringsverktyg att planera för flera scenarier.

Kvantberäkning kan också användas för portföljoptimering: Reply kunde hjälpa institutionen att begränsa sin exponering genom att definiera en uppsättning tillgångar med minimal korrelation mellan dem. Genom att analysera data relaterade till korrelationerna mellan tillgångarna skapades en icke-linjär modell, samtidigt som kvantalgoritmen gjorde det möjligt att hitta den optimala portföljallokeringen.

Quantum för logistik: leverans och personaloptimering

Ett annat nyckelområde som Replys experter har fokuserat på är fraktleverans- och arbetskraftshanteringsvärlden. Att identifiera den optimala vägen för varuleveranser eller arbetskraftsverksamhet är en komplex process, på grund av det stora antalet variabler som spelar in.

Reply tolkade båda dessa optimeringsproblem i form av en kvantalgoritm, vilket uppnådde mycket bättre resultat än de som vanligtvis erhålls med traditionella tekniker. Quantumlösningar gör det möjligt för modeller att kontinuerligt förfinas – vilket förbättrar lösningarnas realism och kvalitet eller lägger till nya begränsningar som smalare leveransfönster – utan att ha en betydande effekt på beräkningstiderna och samtidigt optimera förhållandena kring ruttavstånd och produktivitet.

Quantum för tågplattformsoptimering

Reply har varit involverad i att testa kvantteknologier inom järnvägstransporter. För en järnvägsstation som hanterar ankomsten av 300 tåg på 20 linjer inom en timmes tidsram löser en lösning som identifierar det bästa ankomstspåret, optimerar passagerarförbindelserna och sköter driften som underhåll och förflyttning av tågen många logistiska utmaningar. I det här specifika fallet innebär optimering att kunna ta emot fler tåg, garantera fler resor och därmed öka intäkterna. Projektet, som presenterades på Världskongressen om järnvägsforskning hölls i Tokyo i november 2019, gjorde det möjligt att uppnå den bästa och mest effektiva kombinationen och maximera den samtidiga ankomsten av olika tåg.

Quantum för telekom: nätverksplanering

Telekommunikationssektorn har också framgångsrikt lanserats kvantberäkningsförsök . Inom detta område arbetade Reply med en telekomoperatör för att optimera radiocellplanering, och implementerade en algoritm för planering av 4,5G- och 5G-nätverksparametrar med 10 gånger snabbare processoptimering jämfört med traditionella metoder. Detta gjorde det också möjligt att finjustera radiocellplaneringen, vilket gav en högre prestanda och mer pålitlig mobiltjänst och förbättrad kundupplevelse.

Quantum computing: vad händer härnäst?

Utbudet av problem som kan lösas genom kvantformalism är brett: det stannar inte vid kombinatorisk optimering utan går istället över till andra områden som maskininlärning och kvantsäkerhet. Kvantneurala nätverk och kvantnätverk på internet är bara två av de mer intressanta.

Prestandan hos kvantdatorer överväger vida de nuvarande möjligheterna, vilket öppnar oss för en ny kunskapsålder. Detta är utan tvekan en positiv utveckling. Cybersäkerhet förblir dock ett primärt problem, varför kvantcybersäkerhet har blivit ett mycket relevant ämne, och ett antal sofistikerade åtgärder för att skydda kommersiella transaktioner och dataöverföring har dykt upp. Dessa inkluderar distribution av kvantnycklar, kvantsäkerhetsalgoritmer och kvantgeneratorer för slumptal.

Kvantmaskininlärning (QML), å andra sidan, utnyttjar fördelarna med två aktuella teman: kvantberäkning och maskininlärning. Även om QML fortfarande är i ett tidigt skede, erbjuder det ändå en helt ny värld av möjligheter, som kombinerar den nya kunskapen från maskininlärning med den accelererade beräkningspotentialen och den ökade noggrannheten hos kvantberäkningar.

Håll ögonen öppna med Svar för ytterligare framsteg.

Dölj