咨询公司KPMG与丹麦工业大学（DTU）的一个研究团队和一家未给出名字的欧洲银行合作，试图利用量子计算来决定股票的买入和沽出，目的是获得最大回报，这是一宗古老的银行业务，名为投资组合优化。
这些研究人员在加拿大公司D-Wave的2000位量子退火处理器上运行了某个投资组合优化模型，并将结果与用经典手段获得的结果进行比较。他们发现，量子退火器的性能比其他方法更好及更快，同时还能够解决更大的问题，尽管该研究也表明，D-Wave的技术仍然存在一些问题，例如有关编程便利性和可扩展性方面的问题。
研究人员在加拿大公司D-Wave的2000位量子退火处理器上运行投资组合优化模型。（图：D-Wave）
证券资产的巧妙分配是占据银行业务核心的问题。经济学家Harry Markowitz早在1952年就将该问题进行理论化，证券资产分配包括将固定的预算在金融资产集合上配给，令其在一段时间内产生尽可能多的回报。换句话说，是个优化问题：投资者应该设法在给定的金融组合里实现收益最大化和风险最小化。
投资组合的资产数量成倍增加时，计算的难度也会随着成倍增加，最后很快可能变成即使用上世界上最大的超级计算机也解决不了的优化问题。量子计算由于量子比特（或称Qubits）采用了特殊的量子状态可以同时进行多次的计算。
量子系统目前还未能支持足够的量子比特，还不足以对现实世界产生影响。但一般而言，大规模量子计算机有朝一日将可以在几分钟内解决各种复杂的投资组合优化问题，这也是为什么世界上最大的银行都已经在组建研究团队开发量子算法。
DTU的研究人员为了将Markowitz的投资组合选择问题的经典模型转化为量子算法，他们先将该方程表述为一个名为为二次无约束二元优化（QUBO）问题的量子模型，然后再在预算和预期收益等参数的基础上利用QUBO进行通常的操作。
DTU团队在决定选量子硬件测试他们的模型时也面临许多选择。IBM和谷歌都在研究超导量子计算机，Honeywell和IonQ则在打造陷离子（Trapped-ion）设备，而Xanadu则在研究光子量子技术，微软也在创建拓扑量子系统。
D-Wave的量子退火处理器是量子计算的另一种方法。量子退火处理器与其他系统不同，其他系统是基于门的量子计算机，不能控制量子退火器里的量子比特，而D-Wave的技术则包括操纵系统周围的环境，使得设备可以找到一个 "基底状态"。在投资组合选择的情况下，基底状态对应的是最优化的组合选择。
D-Wave这种方法虽然限制了量子退火器所能解决的问题范围，但也令D-Wave能够比其他设备多出许多量子比特。D-Wave公司最新的设备可达5000量子比特，IBM的量子计算机支持的量子比特不到100。
研究人员解释称，D-Wave技术的成熟度促使他们选择了量子退火进行该算法的试用；他们利用配备的退火处理器能够嵌入并运行含多达65个资产的问题。
他们为了测试处理器的性能还用经典方法运行了Markowitz方程，即所谓的蛮力法。在他们所掌握的计算资源下，蛮力法最多只能用于解决25个资产的问题，再多蛮力法就难以解决了。
科学家们在两种方法之间进行比较后发现，D-Wave的处理器提供的结果质量与蛮力法提供的结果质量不差上下，这证明了量子退火可以可靠地用于解决这个问题。此外，随着资产数量的增加，量子处理器超过蛮力法成了最快的方法。
在资产达到15个或更多时，D-Wave的处理器的有效速度明显开始快过蛮力法，15个资产优化问题接近经典计算机的不可解局限。
为了对量子退火器的性能在资产超过25时（蛮力法已力不能及）进行基准测试，研究人员还比较了使用D-Wave处理器获得的结果与另外一种使用名为模拟退火的方法获得的结果。这里的研究也表明，D-Wave量子处理器提供了高质量结果。
虽然实验表明量子退火可能显示了比经典器件更强的计算优势，但参与了该项研究的DTU研究员Ulrich Busk Hoff表示要谨慎，不能草率地就此下结论。
他告诉记者，" D-Wave量子退火器对于小一点的问题确实具有竞争力，因为量子退火器提供了更快速度和高质量的解决方案。但话又说回来，我认为这项研究要对于实际的量子优势做出任何结论还为时过早，我会避免做出结论。要最后做结论的话需要在D-Wave和经典方法之间进行更严格的比较，得用上最好的经典计算资源，这已经远远超出了这个项目的范围。"