L'intégration Monte Carlo - le processus d'estimation numérique de la moyenne d'une distribution de probabilité en faisant la moyenne des échantillons - est utilisée dans l'analyse des risques financiers, le développement de médicaments, la logistique de la chaîne d'approvisionnement et d'autres applications.
« Nous sommes maintenant capables de réaliser ce qui n'était auparavant qu'une accélération quantique théorique », déclare Steven Herbert, chercheur au CQC, « c'est quelque chose qu'aucun des algorithmes d'intégration quantique de Monte Carlo (QMCI) existants ne peut faire sans une surcharge substantielle qui rend les méthodes inutilisable."
«Cet article propose une méthode d'intégration quantique de Monte-Carlo qui conserve l'avantage quantique quadratique complet, sans qu'aucune arithmétique ou transformation de Fourier quantique ne soit effectuée sur l'ordinateur quantique», indique l'annonce du CQC, «aucune proposition antérieure pour l'intégration quantique de Monte-Carlo a réalisé tout cela à la fois. Le cœur de la méthode proposée est une décomposition en séries de Fourier de la somme qui se rapproche de l'espérance dans l'intégration de Monte-Carlo, chaque composante étant ensuite estimée individuellement à l'aide d'une estimation d'amplitude quantique. Le résultat principal est présenté comme un énoncé théorique de l'avantage asymptotique, et des résultats numériques sont également inclus pour illustrer les avantages pratiques de la méthode proposée.'
Le papier de CQC peut être rouge ici.