Quantum Algorithms for Computational Economics: A Critical Review of Simulation, Optimization, and Near-Term Evidence

एक ऐसी दुनिया की कल्पना करें जहाँ अर्थशास्त्र की सबसे कठिन गणनाओं—जैसे कि पैसे को स्थानांतरित करने का सबसे अच्छा तरीका खोजना, किसी शहर की यातायात प्रणाली को डिजाइन करना, या यह अनुमान लगाना कि वित्तीय बाजार कैसे गिर सकता है—को न केवल तेजी से, बल्कि एक मौलिक रूप से अलग तरीके से हल किया जा सके। दशकों से, अर्थशास्त्री और बैंकर सिमुलेशन चलाने और इष्टतम समाधान खोजने के लिए शक्तिशाली क्लासिकल कंप्यूटरों पर निर्भर रहे हैं। ये मशीनें संभावनाओं की एक-एक करके जांच करने के तरीके से काम करती हैं, जो कई समस्याओं के लिए तो अच्छा काम करता है, लेकिन जब विकल्पों की संख्या खगोलीय रूप से बड़ी हो जाती है, तो यह एक दीवार से टकरा जाता है। हाल ही में, एक नए प्रकार की मशीन उभरी है: क्वांटम कंप्यूटर। पारंपरिक कंप्यूटरों के विपरीत जो जानकारी को सरल ऑन-ऑफ स्विच के रूप में संसाधित करते हैं, ये उपकरण एक साथ कई संभावनाओं को तलाशने के लिए क्वांटम भौतिकी के अजीब नियमों का उपयोग करते हैं। अर्थशास्त्र के क्षेत्र के लिए बड़ा सवाल यह रहा है कि क्या यह नई तकनीक वास्तव में वास्तविक दुनिया की आर्थिक समस्याओं को हल कर सकती है या यह केवल एक सैद्धांतिक जिज्ञासा मात्र है।

डिएगो ए. डियाज़, जो चिली के यूनिवर्सिडाड डेल डेसेरलोडो के एक अर्थशास्त्री हैं, द्वारा लिखित एक नया महत्वपूर्ण समीक्षा लेख इस प्रश्न पर गहराई से विचार करता है। यह शोध पत्र यह वादा नहीं करता कि क्वांटम कंप्यूटर तुरंत वैश्विक अर्थव्यवस्था में क्रांति ला देंगे। इसके बजाय, यह एक सावधानीपूर्वक मानचित्र की तरह कार्य करता है, जो वास्तविक संभावनाओं को प्रचार (हाइप) से अलग करता है। लेखक का तर्क है कि अर्थशास्त्र के लिए कोई एक एकल "जादुвई गोली" (मैजिक बुलेट) एल्गोरिदम नहीं है जो हर समस्या के लिए काम करे, ठीक वैसे ही जैसे कोई एक उपकरण हर मशीन को ठीक नहीं कर सकता। हालांकि क्वांटम कंप्यूटरों ने यह साबित किया है कि वे विशिष्ट गणितीय पहेलियों को किसी भी क्लासिकल मशीन की तुलना में तेजी से हल कर सकते हैं, लेकिन आर्थिक निर्णय लेने की अव्यवस्थित और जटिल वास्तविकता उन विशिष्ट पहेलियों में सटीक रूप से फिट नहीं बैठती है। समीक्षा यह पाती है कि अर्थशास्त्र में क्वांटम कंप्यूटिंग का मूल्य अर्थव्यवस्था के अध्ययन के सामान्य बदलाव से नहीं, बल्कि उन विशिष्ट, उच्च-दांव वाले कार्यों में लक्षित सुधारों से आएगा जहाँ वर्तमान कंप्यूटर संघर्ष करते हैं।

यह पत्र तीन मुख्य क्षेत्रों की पहचान करता है जहाँ क्वांटम विधियाँ सबसे अधिक आशाजनक दिख रही हैं। पहला सिमुलेशन और जोखिम माप में है, विशेष रूप से वित्त में। कई आर्थिक कार्यों में कई अनिश्चितताओं के साथ एक स्थिति के औसत परिणाम का अनुमान लगाना शामिल होता है, जैसे कि बाजार की गिरावट के दौरान एक बैंक के संभावित नुकसान का अनुमान लगाना। पारंपरिक रूप से, विश्वसनीय उत्तर प्राप्त करने के लिए कंप्यूटरों को हजारों या लाखों रैंडम परिदृश्यों को चलाना पड़ता है, जो एक लंबी प्रक्रिया है। क्वांटम एल्गोरिदम बहुत कम नमूनों के साथ वही स्तर की सटीकता तक पहुँचने का एक तरीका प्रदान करते हैं। समीक्षा इस बात पर प्रकाश डालती है कि यह बैंकों के स्ट्रेस टेस्टिंग और जटिल वित्तीय अनुबंधों की कीमत तय करने के लिए गेम-चेंजर हो सकता है, बशर्ते कंप्यूटर को वित्तीय मॉडल के विशिष्ट नियमों को समझने के लिए प्रशिक्षित किया जा सके। हालाँकि, लेखक नोट करता है कि यह लाभ स्वतः नहीं है; यह इस बात पर बहुत अधिक निर्भर करता है कि आर्थिक डेटा को क्वांटम मशीन द्वारा पढ़े जाने योग्य प्रारूप में कितनी अच्छी तरह अनुवादित किया गया है।

दूसरा क्षेत्र 'डिस्क्रीट ऑप्टिमाइज़ेशन' (discrete optimization) है, जिसमें सीमित विकल्पों के सेट से चुनाव करना शामिल है, जैसे कि कौन सी संपत्ति खरीदनी है, पैसे बचाने के लिए भुगतानों की सूची को कैसे पुनर्व्यवस्थित करना है, या डिलीवरी ट्रकों के बेड़े का शेड्यूलिंग कैसे करना है। इन समस्याओं में अक्सर विकल्पों की एक विशाल संख्या शामिल होती है, जिससे उन्हें मानक कंप्यूटरों के लिए पूरी तरह से हल करना कठिन हो जाता है। समीक्षा यह जांचती है कि शोधकर्ता इन आर्थिक विकल्पों को "क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइज़ेशन" (quadratic unconstrained binary optimization) नामक एक प्रारूप में कैसे अनुवादित कर रहे हैं, जो मूल रूप से एक जटिल निर्णय को हाँ-या-ना वाले स्विच की पहेली में बदलने का एक तरीका है जिसे एक क्वांटम मशीन हल करने की कोशिश कर सकती है। पत्र वास्तविक दुनिया के उदाहरणों की ओर संकेत करता है जहाँ इस दृष्टिकोण का परीक्षण किया गया है, जैसे कि संस्थानों को आरक्षित नकदी बनाए रखने के लिए आवश्यक राशि को कम करने के लिए उच्च-मूल्य वाले बैंक भुगतानों को पुनर्व्यवस्थित करना। इन मामलों में, हाइब्रिड सिस्टम जो क्लासिकल और क्वांटम कंप्यूटिंग को मिलाते हैं, ने दिखाया है कि वे पारंपरिक तरीकों की तुलना में बेहतर समाधान पा सकते हैं, हालांकि सुधार अक्सर मामूली होते हैं और विशिष्ट समस्या पर निर्भर करते हैं।

तीसरा क्षेत्र डायनेमिक प्रोग्रामिंग (dynamic programming) से संबंधित है, जो समय के साथ निर्णय लेने के लिए उपयोग की जाने वाली एक विधि है, जैसे कि सेवानिवृत्ति की योजना बनाना या कई वर्षों तक राष्ट्रीय अर्थव्यवस्था का प्रबंधन करना। ये मॉडल कुख्यात रूप से कठिन हैं क्योंकि भविष्य की संभावित स्थितियों की संख्या इतनी तेजी से बढ़ती है कि यह सबसे तेज़ सुपरकंप्यूटरों को भी अभिभूत कर देती है। समीक्षा उन शुरुआती कार्यों पर चर्चा करती है जो इन दीर्घकालिक नियोजन समस्याओं को छोटे टुकड़ों में तोड़ने का प्रयास करते हैं जिन्हें एक क्वांटम मशीन संभाल सके। हालांकि यह अभी भी प्रारंभिक चरणों में है, जिसमें अधिकांश परिणाम छोटे पैमाने के सिमुलेशन से आते हैं, यह दृष्टिकोण "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) से निपटने का एक नया तरीका सुझाता है जिसने जटिल, बदलते तंत्रों को मॉडल करने की कोशिश करने वाले अर्थशास्त्रियों को लंबे समय से परेशान किया है।

इन आशाजनक दिशाओं के बावजूद, यह पत्र स्पष्ट है कि क्वांटम कंप्यूटिंग क्या नहीं कर सकता। यह स्पष्ट रूप से इस विचार को खारिज करता है कि अर्थशास्त्र के लिए कोई सार्वभौमिक क्वांटम एल्गोरिदम है जो एक साथ सभी समस्याओं को हल कर देगा। लेखक का तर्क है कि क्षेत्र को उस एकल सफलता का इंतजार नहीं करना चाहिए जो सब कुछ बदल देती है, बल्कि उसे उन विशिष्ट बाधाओं (bottlenecks) पर ध्यान केंद्रित करना चाहिए जहाँ गणना ही सीमित कारक है। समीक्षा क्वांटम कंप्यूटरों की तुलना कमजोर क्लासिकल विधियों से करने की सामान्य गलती के प्रति भी चेतावनी देती है। अपनी योग्यता सिद्ध करने के लिए, क्वांटम दृष्टिकोणों का परीक्षण सबसे मजबूत मौजूदा उपकरणों, जैसे कि उन्नत वाणिज्यिक सॉफ्टवेयर और अत्यधिक ट्यून किए गए क्लासिकल एल्गोरिदम के विरुद्ध किया जाना चाहिए। कई मामलों में, पत्र पाता है कि वर्तमान क्वांटम लाभ अभी भी रोजमर्रा के अभ्यास में इन स्थापित तरीकों को बदलने के लिए पर्याप्त मजबूत नहीं है।

समीक्षा का एक महत्वपूर्ण हिस्सा उन व्यावहारिक बाधाओं को समर्पित है जो व्यापक रूप से अपनाने के मार्ग में खड़ी हैं। एक प्रमुख मुद्दा "स्टेट प्रिपरेशन" (state preparation) की समस्या है: एक क्वांटम कंप्यूटर द्वारा आर्थिक समस्या को हल करने से पहले, सभी डेटा—जैसे बाजार की कीमतें, ब्याज दरें, या यातायात के पैटर्न—को मशीन में लोड किया जाना चाहिए। यह प्रक्रिया इतनी धीमी और ऊर्जा-गहन हो सकती है कि यह क्वांटम गणना द्वारा प्राप्त की गई किसी भी गति को समाप्त कर देती है। एक अन्य चुनौती "आउटपुट" की समस्या है। क्वांटम कंप्यूटर स्प्रेडशीट की तरह उत्तरों की एक सरल सूची नहीं देते हैं; वे एक संभाव्यता वितरण (probability distribution) प्रदान करते जिसे सावधानीपूर्वक व्याख्या करने की आवश्यकता होती है। यदि किसी अर्थशास्त्री को मॉडल के प्रत्येक चर का सटीक मान जानना है, तो वर्तमान क्वांटतम विधियाँ उस विवरण को कुशलतापूर्वक प्रदान करने में सक्षम नहीं हो सकती हैं।

पत्र इस क्षेत्र में प्रगति को मापने के लिए एक नया तरीका प्रस्तावित करता है, जो मशीनों में कितने "क्यूबिट्स" (क्वांटम सूचना की बुनियादी इकाइयाँ) हैं, इसे गिनने के बजाय वास्तविक आर्थिक मूल्य पर ध्यान केंद्रित करता है। लेखक परिपक्वता को मापने के लिए एक "एविडेंस लैडर" (साक्ष्य सीढ़ी) का सुझाव देता है। सबसे नीचे वैचारिक विचार और छोटे सिमुलेशन हैं। ऊपर बढ़ते हुए, वास्तविक हार्डवेयर पर परीक्षण और मजबूत क्लासिकल विधियों के साथ तुलनाएँ हैं। सीढ़ी के शीर्ष पर वह एकमात्र स्तर है जो वास्तव में अर्थव्यवस्था के लिए मायने रखता है: वास्तविक डेटा के साथ बार-बार उपयोग जो बेहतर निर्णय लेने की ओर ले जाता है, जैसे कि भुगतान प्रणाली में तरलता बचाना या यातायात की देरी को कम करना, जबकि इसमें शामिल सभी लागतों का भी हिसाब रखा जाता है। वर्तमान में, अधिकांश आर्थिक अनुप्रयोग इस सीढ़ी के मध्य में स्थित हैं, जो आशाजनक तो हैं लेकिन अभी तक पूर्णतः तैयार नहीं हैं।

समीक्षा निष्कर्ष निकालती है कि अर्थशास्त्र में क्वांटम कंप्यूटिंग का भविष्य क्लासिकल और क्वांटम मशीनों के प्रतिस्थापन के बजाय एक साझेदारी में निहित है। अर्थशास्त्रियों और कंप्यूटर वैज्ञानिकों को मिलकर उन विशिष्ट भागों की पहचान करने के लिए काम करना चाहिए जहाँ क्वांटम विधियाँ मूल्य जोड़ सकती हैं, जैसे कि एक विशिष्ट जोखिम गणना को तेज करना या एक जटिल शेड्यूलिंग समस्या के लिए बेहतर समाधान खोजना। पत्र इस बात पर जोर देता है कि लक्ष्य केवल गति के लिए एक तेज़ कंप्यूटर बनाना नहीं है, बल्कि उन आर्थिक प्रश्नों को हल करना है जिन्हें पर्याप्त सटीकता के साथ उत्तर देना वर्तमान में असंभव है। इन विशिष्ट, उच्च-मूल्य वाले कार्यों और अपनी सीमाओं के बारे में ईमानदार रहकर, यह क्षेत्र अटकलों से आगे बढ़ सकता है और वास्तविक आर्थिक लाभ प्रदान करना शुरू कर सकता है। यह यात्रा अभी शुरू हुई है, और आगे का रास्ता धैर्य, कठोर परीक्षण और इस बात पर स्पष्ट ध्यान देने की मांग करता है कि आर्थिक निर्णय लेने के लिए वास्तव में क्या मायने रखता है।