Mitigating Bias in Low-SNR Financial Reinforcement Learning via Quantum Representations
यह शोध पत्र FPQC-SAC को प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो फीचर रिप्रजेंटेशन को बाधित करने और वित्तीय बाजारों में कम सिग्नल-टू-नॉइज़ अनुपात के कारण होने वाले "फाइनेंशियल एंट्रॉपी ट्रैप" को कम करने के लिए पैरामीटराइज्ड क्वांटम सर्किट को एकीकृत करता है, जिससे अत्याधुनिक बेसलाइनों की तुलना में पोर्टफोलियो प्रबंधन की स्थिरता और रिटर्न में महत्वपूर्ण सुधार होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
समस्या: वित्त का "शोर भरा रेडियो"
कल्प Imagine कीजिए कि आप एक बहुत ही धीमी, महत्वपूर्ण फुसफुसाहट (सिग्नल) सुनने की कोशिश कर रहे हैं, जबकि आप एक विशाल, अराजक रॉक कॉन्सर्ट (शोर) के बीच में खड़े हैं। कंप्यूटर के लिए स्टॉक मार्केट में ट्रेडिंग करना बिल्कुल ऐसा ही है।
"फुसफुसाहट" वह वास्तविक ट्रेंड है जो आपको बताता है कि कब खरीदना है या बेचना है। "रॉक कॉन्सर्ट" वह दैनिक अराजकता है: कीमतों में अचानक उछाल, निवेशकों में घबराहट, और वे छोटी-मोटी हलचलें जिनका कोई अर्थ नहीं होता।
यह पेपर तर्क देता है कि मानक AI ट्रेडिंग बॉट्स (विशेष रूप से एक जिसे SAC कहा जाता है) इसमें बहुत खराब हैं। क्योंकि AI "रचनात्मक" होने और कई अलग-अलग रणनीतियों को खोजने की कोशिश करता है (एक विशेषता जिसे मैक्सिमम एंट्रॉपी कहा जाता है), यह रॉक कॉन्सर्ट को सुनने लगता है बजाय उस फुसफुसाहट के। यह शोर से भ्रमित हो जाता है, इस बारे में गलत अनुमान लगाता है कि यह कितना पैसा कमाएगा, और फिर वे गलत अनुमान एक लूप में और भी खराब होते जाते हैं। लेखक इसे "फाइनेंशियल एंट्रॉपी ट्रैप" कहते हैं।
पुराने समाधान: वे क्यों विफल रहे
शोधकर्ताओं ने इस बात पर गौर किया कि लोग आमतौर पर इसे ठीक करने की कोशिश कैसे करते हैं:
- "म्यूट बटन" (इनपुट फ़िल्टरिंग): AI के सुनने से पहले शोर को साफ करने की कोशिश करना। समस्या यह है कि कभी-कभी "फुसफुसाहट" भी शोर जैसी ही लगती है। यदि आप वॉल्यूम बहुत कम कर देते हैं, तो आप अच्छी सलाह के साथ बुरा शोर भी बंद कर देते हैं।
- "करेक्शन टेप" (आउटपुट रेगुलराइजेशन): AI को अपना अनुमान लगाने देना, और फिर बाद में उत्तर को ठीक करने की कोशिश करना। समस्या यह है कि जब तक AI अपना अनुमान लगा चुका होता है, शोर पहले ही उसकी सोच को भ्रष्ट कर चुका होता है। उत्तर को ठीक करना टोस्ट के जले हुए टुकड़े को वापस ठीक करने जैसा है।
नया समाधान: "क्वांटम नॉइज़-कैंसलिंग हेडसेट"
लेखक एक नया सिस्टम प्रस्तावित करते हैं जिसे FPQC-SAC कहा जाता है। AI के सोचने से पहले ही, वे ऑडियो को साफ करने या उत्तर को ठीक करने के बजाय, AI पर एक विशेष "हेडसेट" लगा देते हैं।
यह हेडसेट एक पैरामीटराइज्ड क्वांटम सर्किट (PQC) का उपयोग करता है। यह कैसे काम करता है, इसका एक उदाहरण यहाँ दिया गया है:
- शास्त्रीय दृष्टिकोण (Classical Approach): कल्पना कीजिए कि शोर दिशाओं में चिल्लाते हुए लोगों का एक समूह है। एक क्लासिकल फ़िल्टर भौतिक रूप से आवाज को रोकने की कोशिश करता है, लेकिन यह अच्छी आवाज को भी रोक देता है।
- क्वांटम दृष्टिकोण (Quantum Approach): कल्पना कीजिए कि हेडसेट उस चिल्लाहट को एक विशाल, अदृश्य गोले पर एक जटिल नृत्य में बदल देता है।
- शोर (The Noise): यादृच्छिक, अराजक शोर एक साथ हर दिशा में घूमने वाले लोगों की तरह है। जब वे सभी दिशाओं में घूमते हैं, तो वे एक-दूसरे को रद्द कर देते (destructive interference)। शोर गायब हो जाता है।
- सिग्नल (The Signal): महत्वपूर्ण "फुसफुसाहट" (मार्केट ट्रेंड) एक सीधी रेखा में मार्च करने वाले लोगों के समूह की तरह है। हेडसेट इस पैटर्न को पहचान लेता है और उन्हें स्पष्ट रूप से मार्च करने देता है (constructive interference)।
जब तक AI आवाज सुनता है, तब तक शोर गणितीय रूप से रद्द हो चुका होता है, लेकिन महत्वपूर्ण सिग्नल अभी भी स्पष्ट और तेज होता है।
उन्होंने इसका परीक्षण कैसे किया
शोधकर्ताओं ने इस नए "क्वांटम हेडसेट" का परीक्षण वास्तविक दुनिया के स्टॉक पोर्टफोलियो पर किया, जिसमें शामिल थे:
- बिग टेक स्टॉक्स (जैसे Apple और Amazon)।
- सुरक्षित, स्थिर स्टॉक्स (जैसे बैंक और उपभोक्ता वस्तुएं)।
- अस्थिर, उच्च जोखिम वाले स्टॉक्स (जैसे तेजी से बढ़ती तकनीकी कंपनियां)।
उन्होंने अपने नए AI की तुलना मौजूदा सर्वश्रेष्ठ ट्रेडिंग AI और मानक "बाय एंड होल्ड" रणनीतियों से की।
परिणाम
परिणाम नाटकीय थे:
- स्थिरता: नया AI बाजार की अराजकता से भ्रमित नहीं हुआ। इसने भविष्य के मूल्य के बारे में बहुत अधिक सुसंगत भविष्यवाणियां कीं।
- लाभ: मुख्य परीक्षण में, नए AI ने मानक AI की तुलना में 66% अधिक पैसा कमाया।
- सर्वश्रेष्ठ को पछाड़ना: इसने पिछले सर्वश्रेष्ठ ट्रेडिंग AI से लगभग 27% बेहतर प्रदर्शन किया।
- तूफान में जीवित रहना: बाजार के सबसे अस्थिर, डरावने हिस्सों (जैसे महामारी के दौरान मंदी) के दौरान, पुराने AI विफल हो गए, लेकिन नए AI ने अपना धैर्य बनाए रखा और पैसा कमाना जारी रखा।
निष्कर्ष
पेपर का दावा है कि AI के मस्तिष्क के अंदर एक फ़िल्टर के रूप में एक विशिष्ट प्रकार के क्वांटम गणित (एंटैंगलमेंट और इंटरफेरेंस) का उपयोग करके, उन्होंने उस समस्या को हल कर दिया जिसे क्लासिकल गणित ठीक नहीं कर सका। उन्होंने केवल AI को तेज़ नहीं बनाया; उन्होंने इसे बाजार के शोर को अनदेखा करने और केवल उन संकेतों पर ध्यान केंद्रित करने का तरीका दिया जो वास्तव में मायने रखते हैं।
नोट: यह पेपर पूरी तरह से वित्तीय व्यापार और पोर्टफोलियो प्रबंधन पर केंद्रित है। यह दावा नहीं करता है कि यह तकनीक चिकित्सा निदान, जलवायु मॉडलिंग या किसी अन्य क्षेत्र में काम करती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।