11月12日，加拿大量子算法研究所（QAI）宣布与加拿大的AbaQus和InvestDEFY公司建立合作伙伴关系，以利用D-Wave的量子退火系统解决金融应用中机器学习模型训练方面的难题。该合作旨在解决金融预测和预测分析中的复杂问题，使金融机器学习变得更加简化，从而提高金融预测的速度和准确性。
此次合作旨在解决金融预测和预测分析中的复杂问题，例如非平稳数据、模型过度拟合和泛化。这些方面的进步通过消除金融数据集中不必要的特征，使金融机器学习更加精简，从而提高金融预测的速度和准确性。
此次合作成功确定了机器学习模型设计中的关键特征分析问题，并重新制定了这些模型，以便在量子计算机上执行。在 D-Wave 量子系统上的测试运行已经显示出有用的结果：
1.优化的特征子集选择：初步测试表明，与一些经典方法相比，量子退火可以提高数据或特征集的识别率，从而提高模型性能
2.减少计算时间：尽管精确的指标仍在建立中，但该方法有望减少评估大型数据集所需的时间。
QAI 首席执行官 Louise Turner 表示：“金融行业需要处理复杂的数据集、无数变量和市场变化，因此构建更有效的预测模型非常困难。我们与 D-Wave 的合作利用量子退火来优化‘特征选择’——识别最相关的数据点，从而比传统计算机上执行的现有解决方案更有效地为预测模型提供信息。”
这一持续的合作旨在展示量子计算在现实世界金融建模中的潜力，从而实现数据模式随时间变化时金融预测模型运行效果的突破。
“此次合作使我们能够将量子计算的强大功能带入每个决策都至关重要的行业。通过优化特征选择，我们可以帮助财务模型变得更快、更准确，”AbaQus Computing 联合创始人兼首席执行官 David Isaac 说道。
InvestDEFY 首席执行官 James Niosi 指出：“我们非常高兴在我们的数据科学平台中探索和融入量子方法，目的是提高预测模型的性能。”
