Biographie

Vladimir Skavysh est expert en science des données et fondateur du laboratoire d’informatique quantique axé sur l’analytique avancée de la Banque du Canada. Il a commencé sa carrière comme physicien spécialiste de l’énergie sombre et de l’interférométrie à neutrons avant de se réorienter vers la science des données et l’intelligence artificielle. L’informatique quantique, l’apprentissage profond et les mégadonnées font partie de ses domaines de recherche.

Domaines de recherche: Science des données

Notes analytiques du personnel

Market structure of cryptoasset exchanges: Introduction, challenges and emerging trends

Note analytique du personnel 2024-2 Vladimir Skavysh, Jacob Sharples, Sofia Priazhkina, Salman H. Hasham
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.

Plus

Documents de travail du personnel

Digital Payments in Firm Networks: Theory of Adoption and Quantum Algorithm

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.

Improving the Efficiency of Payments Systems Using Quantum Computing

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.

Quantum Monte Carlo for Economics: Stress Testing and Macroeconomic Deep Learning

Document de travail du personnel 2022-29 Vladimir Skavysh, Sofia Priazhkina, Diego Guala, Thomas Bromley
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.

Plus


Publications dans des revues