Qiskit FalllFest CIC-IPN Mexico 2022- Solución del problema de optimización de portafolios usando QC

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur pédagogique certaine en expliquant pas à pas la démarche de résolution d’un problème d’optimisation combinatoire sur ordinateur quantique. L’argumentation est solide : l’orateur justifie chaque étape, de la formulation mathématique à l’implémentation, en passant par la transformation en QUBO et en hamiltonien. Il prend soin de distinguer les différents types de contraintes et d’expliquer le rôle des paramètres comme le facteur de risque. La démonstration sur notebook renforce la crédibilité et permet de visualiser concrètement les résultats. Cependant, l’argumentation aurait pu être renforcée par des références à la littérature scientifique, bien que l’orateur mentionne un dépôt GitHub pour aller plus loin.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est globalement bonne : les concepts sont correctement présentés et les explications sont cohérentes. L’orateur s’appuie sur des notions établies comme le QUBO, l’hamiltonien d’Ising et QAOA. Cependant, aucune source n’est citée explicitement dans la vidéo, ce qui limite la vérifiabilité. Le titre est en adéquation avec le contenu, bien qu’il soit très spécifique à un événement. La qualité des sources est donc moyenne, mais la démarche est transparente et reproductible grâce au notebook partagé.

Le titre correspond bien au contenu : présentation de la résolution d'un problème d'optimisation de portefeuilles par calcul quantique, dans le cadre du Qiskit Fall Fest.

7/10

Exposé structuré et pédagogique sur la formulation QUBO et la résolution par algorithme variationnel (QAOA). Les concepts sont corrects et bien expliqués, mais la présentation est informelle et ne fournit pas de références bibliographiques détaillées dans la vidéo elle-même. La démonstration pratique sur notebook renforce la crédibilité.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction et présentation du plan : problèmes d'optimisation combinatoire, codage en QUBO, résolution par algorithmes variationnels, et démonstration sur notebook.
• 02:00Classification des problèmes d'optimisation combinatoire : fonction de coût seule, contraintes d'égalité, contraintes d'inégalité.
• 05:00Introduction au problème d'optimisation de portefeuille : rendement attendu, risque (covariance), et objectif de minimisation.
• 10:00Explication de la fonction objectif : premier terme pour le rendement, deuxième terme pour le risque, et variable binaire de décision.
• 15:00Présentation de la matrice de covariance pour 10 actions et discussion sur la corrélation entre secteurs.
• 20:00Codage du problème en QUBO : intégration des contraintes d'égalité via des pénalités quadratiques.
• 25:00Transformation du QUBO en hamiltonien de coût de type Ising et décomposition en portes quantiques.
• 30:00Discussion sur la scalabilité : nombre de qubits pour différents problèmes (portefeuille, Max-Cut, TSP, bin packing).
• 35:00Présentation de l'algorithme QAOA : paramètres gamma et beta, et répétitions du circuit.
• 40:00Démonstration pratique sur notebook Jupyter avec Qiskit : résolution d'un problème d'optimisation de portefeuille avec 10 actions.

• Dépôt GitHub associé à la présentation — L'orateur mentionne un dépôt GitHub contenant le notebook et les ressources, mais l'URL exacte n'est pas fournie dans la transcription.

• Qiskit documentation on optimization — Documentation officielle de Qiskit pour les problèmes d'optimisation, cohérente avec la démonstration.