Diskussion zum Artikel "Quantenneuronales Netzwerk in MQL5 (Teil III): Ein virtueller Quantenprozessor auf Basis von Qubits"

Neuer Kommentar
 

Neuer Artikel Quantenneuronales Netzwerk in MQL5 (Teil III): Ein virtueller Quantenprozessor auf Basis von Qubits :

Der Artikel konzentriert sich auf die Erstellung eines Handelssystems mit einem echten Quantensimulator anstelle von mathematischen Analogien. Das System verwendet 3 virtuelle Qubits, Quantengatter und Superpositionsprinzipien zur Marktanalyse. Es ist als Handels-EA für MetaTrader 5 in MQL5 implementiert. Die wichtigste Errungenschaft ist der Übergang von der Simulation zu echten Quantenprinzipien der Finanzinformationsverarbeitung.

Im zweiten Teil unserer Forschung haben wir ein System entwickelt, das mathematische Analogien quantenmechanischer Effekte verwendet: Resonanz (Kosinus), Interferenz (Sinus), Dekohärenz (Exponentialfunktion). Dies blieb jedoch nur eine Nachahmung. Formal wirkte es elegant, aber im Wesentlichen war es nicht quantenmechanisch.

Mit der Zeit wurde deutlich, dass das Modell zwar elegant ist, aber nicht den Kern der Quantenverarbeitung erfasst – Superposition, Verschränkung und die Irreversibilität von Messungen. Wir arbeiteten mit Funktionen, nicht mit Prinzipien.

Klassische Ansätze bleiben begrenzt:

  • LSTM liefert eine Genauigkeit von bis zu 58 %,
  • Transformer sind anfällig für Rauschen,
  • ARIMA hat seine Relevanz verloren,
  • Modelle sind aufgrund von Overfitting instabil.

Ein entscheidender Durchbruch ist der Übergang zu virtuellen Qubits

In der zweiten Version wird anstelle von Analogien ein vollwertiger Quantenprozessor verwendet: 3 Qubits, ein 8-dimensionaler Zustandsraum, Gatter und Messungen. Die Architektur wurde überarbeitet: Jetzt gehorcht jede Operation den Gesetzen der Quantenmechanik – Unitarität, Normalisierung, Verhalten bei Messungen.

Quanten-Neuronales Netzwerk in MQL5 (Teil III): Virtueller Quantenprozessor mit Qubits


Autor: Yevgeniy Koshtenko

 

@Yevgeniy Koshtenko

Im Archiv befindet sich ein Duplikat der Datei „PropRiskManagerLoss.mqh“:

Anscheinend fehlt die Datei „HybridQuantumNeuralV3.mqh“, damit „QuantumProp_EA_Lite.mq5“ fehlerfrei kompiliert werden kann.

 
Anatoli Kazharski #:

@Yevgeniy Koshtenko

Im Archiv befindet sich ein Duplikat von PropRiskManagerLoss.mqh:

Anscheinend fehlt die Datei „HybridQuantumNeuralV3.mqh“, damit „QuantumProp_EA_Lite.mq5“ fehlerfrei kompiliert werden kann.

Vielen Dank! Ich habe es gerade selbst bemerkt und zur Überprüfung mit der aktuellen Datei eingereicht)

 
MetaQuotes:

Der Artikel „Quanten-Neuralnetz auf MQL5 (Teil III): Virtueller Quantenprozessor mit Qubits“ wurde veröffentlicht:

Autor: Yevgeniy Koshtenko

Evgeniy, das sieht wirklich nach einem guten, professionellen Produkt aus. Wir werden es testen und dir Feedback geben. Sag mal, gibt es keine Möglichkeit, dieses Trainingsmodell dazu zu bringen, die GPU für das Training zu nutzen, so wie es beispielsweise beim LSTM-Modell in Python der Fall ist? Vielleicht hast du diese Frage ja bereits untersucht, damit wir keine Zeit verschwenden. Falls nicht, können wir gemeinsam darüber nachdenken, da die Hardware-Leistung bei diesem Modell wichtig ist – und das ist auch richtig so. Ein gutes, hochwertiges Modell mit tiefgreifender Analyse muss einfach hohe Anforderungen an die Hardware stellen.

 

Guten Morgen.

Es ist mir nicht gelungen, den im Artikel beschriebenen Test zu wiederholen oder auch nur ein ähnliches Diagramm zu erstellen.

Könnten Sie uns bitte die Parameter und das Symbol mitteilen?

Vielen Dank.

Neuer Kommentar