Vladimir Skavysh est le fondateur et responsable du Quantum Lab for Advanced Analytics de la Banque du Canada, ainsi que data scientist principal au sein de la division Science des données. Ses travaux de recherche couvrent l’intelligence artificielle, l’apprentissage profond, l’informatique quantique, le big data, les grands modèles de langage et les simulations basées sur des agents. Il a initié et dirigé plus d’une dizaine de projets de recherche collaboratifs avec des partenaires industriels, des banques centrales et des universités — supervisant l’intégralité du cycle de vie des projets et encadrant de nouveaux talents. Au début de sa carrière, Vladimir a travaillé comme physicien, spécialisé dans l’énergie sombre et l’interférométrie de neutrons.
Cette étude présente une vue d’ensemble des plateformes d’échange de cryptoactifs, que nous comparons aux bourses des marchés financiers traditionnels. Nous discutons aussi des tendances réglementaires émergentes ainsi que des innovations visant à résoudre les problèmes rencontrés par ces plateformes.
Nous construisons un jeu de formation de réseaux d’entreprises ayant des flux commerciaux pour étudier l’adoption et l’utilisation d’une nouvelle monnaie numérique comme solution de rechange à la correspondance bancaire.
Nous élaborons un algorithme et l’exécutons sur un calculateur quantique à recuit simulé par l’intermédiaire d’un solveur hybride. L’objectif est de trouver la séquence des paiements en attente de règlement qui permet de réduire le montant de liquidités nécessaire dans le système sans faire augmenter cette attente de façon considérable.
À l’aide de l’algorithme quantique de Monte-Carlo, nous cherchons à savoir si l’informatique quantique peut réduire le temps d’exécution des applications économiques. Nous appliquons l’algorithme à deux modèles : un test de résistance bancaire et un modèle DSGE résolu en recourant à l’apprentissage profond. Nous présentons aussi quelques innovations de notre cru, au sein même de l’algorithme et dans la méthode employée pour le comparer à sa version classique.
Saggu, P., T. Mineeva, M. Arif, D. Cory, R. Haun, B. Heacock, M. Huber, K. Li, J. Nsofini, D. Sarenac, C. Shahi, V. Skavysh, M. Snow, S. Werner, A. Young et D. Pushin (2016). « Decoupling of a neutron interferometer from temperature gradients », Review of Scientific Instruments, vol. 87, no 12, 123507.
Li, K., M. Arif, D. Cory, R. Haun, B. Heacock, M. Huber, J. Nsofini, D. Pushin, P. Saggu, D. Sarenac, C. Shahi, V. Skavysh, M. Snow et A. Young (2016). « Neutron limit on the strongly-coupled chameleon field », Physical Review D, vol. 93, no 6, 062001.
Nous utilisons des témoins pour nous permettre de continuer à améliorer le présent site Web.
