Solving 2D Black Scholes Equation via Hermitian Block Embedding and Generalised Quantum Signal Processing

本論文は、エルミート・ブロック埋め込みと一般化量子シグナルプロセッシングを組み合わせることで、非エルミート時間ステップ行列の逆行列を正確に近似し、二次元ブラック・ショールズ方程式を解く手法を提案および数値的に検証するものであり、現代的な量子線形代数技術をマルチアセット・オプション価格決定に適用することの実現可能性を実証している。

要約

全体像：オプションの「バスケット」の価格設定

あなたは、特別な「バスケット」オプションの価格を算出する金融トレーダーだと想像してください。これは単一の銘柄（例えばアップル）に対する賭けではなく、2つの異なる銘柄（例えばアップルとマイクロソフト）が連動して動くことに賭けるものです。

現実の世界では、このバスケットの適正価格を計算することは、巨大で複雑な迷路を解くようなものです。あなたは、賭けが終わる日（満期）から今日まで、逆向きに時間を遡りながら、その過程の各ステップで価格がどのように変化するかを計算しなければなりません。

長い間、コンピュータはこの計算を「有限差分法」と呼ばれる手法を用いて行ってきました。これは、株価の滑らかで連続的な動きを、巨大な点のグリッド（格子）に変換するようなものです。今日の価格を見つけるために、コンピュータは巨大な数学のパズルを解く必要があります。つまり、時間を遡るために、巨大な行列（数字のグリッド）を**逆行列にする（反転させる）**必要があるのです。

問題点：「非対称」なパズル

コンピュータが直面する数学のパズルは非常に厄介です。逆行列にする必要がある数字のグリッド（行列）は「非エルミート（non-Hermitian）」です。簡単に言えば、このグリッドは偏っており、整った対称構造を持っていません。

より単純な1銘柄のシナリオでは、科学者たちは、この偏ったグリッドを対称的（エルミート）にする巧妙なトリックを発見しました。これにより、**一般化量子信号処理（GQSP）**という強力な新しいツールを使用できるようになりました。GQSPは、特定のタイプの数学パズルを非常に高速に解くことができる超効率的な量子マシンのようなものですが、それは「対称的で整った構造を持つグリッド」にしか機能しません。

しかし、2つ目の銘柄を加えると、グリッドは複雑な2次元のブロックになります。以前の「対称にするためのトリック」は、2つの銘柄が互いに絡み合って数学的な「ループ」を作り出してしまうため、単純な調整では修正できなくなり、機能しなくなります。

解決策：「エルミート・ブロック埋め込み」

この論文の著者たちは、量子マシンにこの2次元の問題を解かせるための、新しい「騙し」を考案しました。彼らは**エルミート・ブロック埋め込み（Hermitian Block Embedding）**という手法を用いました。

比喩：鏡の箱
あなたが、特殊な「対称性マシン（GQSP）」の中に入れることができない、偏ったメチャクチャな物体（2次元の時間ステップ行列）を持っていると想像してください。

1. トリック： 物体そのものを直そうとする代わりに、その周りに特別な「箱」を作ります。
2. 構成： メチャクチャな物体を箱の右上隅に配置し、その「鏡像（転置行列）」を左下隅に配置します。左上と右下の角は空（ゼロ）にしておきます。
3. 結果： 中身はメチャクチャであっても、箱全体としては完璧に対称となります。これで「エルミート」になったのです。

これで、量子マシンはこの大きな箱を見ることができるようになります。マシンがその魔法（多項式変換）を実行すると、元の行列の逆行列である「メチャクチャな部分」が、箱の特定の角に現れるようになります。

実装方法：「奇関数」によるアプローチ

この箱から答えを取り出すために、著者たちは**奇多項式（odd polynomial）**と呼ばれる特殊な数学関数を使用しました。

• 「偶関数」を、左右対称の鏡合わせ（スマイルマークのような形）だと考えてください。
• 「奇関数」を、回転（シーソーのような動き）だと考えてください。

彼らが作った箱の構造（メチャクチャな部分が角にある状態）では、「シーソー」型の数学関数が必要でした。もし「スマイルマーク」のような関数を使ってしまうと、答えが紛失してしまいます。奇関数を使用することで、数学的に空の角の部分が相殺され、正しい答え（元の行列の逆行列）が結果の左下隅に残るようになります。

テスト：成功したのか？

チームは、この新しい手法が2銘柄の「バスケット」オプションに対して実際に機能するかどうかを確認するために、シミュレーションを行いました。

• 設定： 2つの資産を用いたバスケットオプションをシミュレートし、32x32のポイント（計1,024ポイント）のグリッドを使用しました。
• 比較： 彼らの量子スタイルによる解法（新しい埋め込み手法を使用）を、標準的で信頼されている古典的なコンピュータの手法（後退オイラー法）と比較しました。
• 結果： 両方の手法は非常によく一致しました。「量子」による解法は、標準的な「古典的」な解法とほぼ同一でした。

これは、彼らの「鏡の箱」のトリックが、複雑な2次元の問題のダイナミクスを正確に捉えることに成功したことを証明しています。この手法は、オプション価格の逆方向への時間進化を正確に再現しました。

注意点：離散化誤差

論文では、一つの大きな制限事項についても述べています。コンピュータ上でシミュレーションを行う際、時間を遡る「ステップ」を踏む必要があります。今回のシミュレーションでは、複雑さゆえに非常に大きなステップ（一度に大きくジャンプする設定）を取らざックを得ませんでした。

• 問題： 数学的なシミュレーションにおいて、あまりに大きなステップを取ると「離散化誤差（smoothな曲線を、数個の巨大なレゴブロックだけで描こうとするようなもの）」が生じます。
• 判明したこと： 結果に見られた誤差は、主にこの大きなステップサイズによるものであり、彼らの量子手法の欠陥によるものではありませんでした。実際、エラーは同じ大きなステップサイズで古典的手法を実行した場合と同程度でした。

まとめ

この論文は、複雑な2次元の金融価格設定問題を量子アルゴリズムを用いて解決する新しい方法を提示しています。

1. 従来の「対称にするためのトリック」では対応できませんでした。
2. そこで、数学を強制的に対称な形にするための「鏡の箱（エルミート・ブロック埋め込み）」を作りました。
3. そして、箱から答えを取り出すために「奇多項式」を使用しました。
4. シミュレーションの結果、この手法は有効であり、標準的な古典的コンピュータの結果と一致することが示されました。これは、将来さらに複雑なマルチアセット問題へと進むための道を開くものです。

技術概要

技術要約：エルミート・ブロック埋め込みと一般化量子シグナル・プロセッシングによる2次元ブラック・ショールズ方程式の解法

1. 問題設定

欧州型金融デリバティブ（オプションなど）の価格設定は、根本的にブラック・ショールズ偏微分方程式（PDE）によってモデル化される。マルチアセット・オプション（例：2つの原資産に依存するバスケット・オプション）の場合、問題は2次元のPDEとなる。標準的な無裁定フレームワークの下では、価格設定には終端ペイオフを逆方向に時間発展させる必要がある。

有限差分法（具体的には後退オイラー法）を用いた離散化により、連続的なPDEは一連の線形代数問題へと変換される。核心となる計算タスクは、オプションの値を表すベクトルに対して、タイムステップ行列 $\tilde{M}^{-1}$ の逆行列を適用することである。

• 課題: 2次元の場合、離散化された行列 $\tilde{M}$ は実数であるが、ドリフト項、混合微分、および境界条件のために、一般にエルミート（自己共役）ではなく、またユニタリでもない。
• 量子コンテキスト: 量子線形代数アルゴリズム（量子シグナル・プロセシング（QSP）や一般化量子シグナル・プロセシング（GQSP）など）は、行列関数（行列の逆行列のような）を多項式変換を通じて実装するための強力な手法を提供するが、通常、入力オペレータはユニタリまたはエルミートであることを要求する。非エルミート行列に対する標準的なアプローチは、多くの場合「ブロックエンコーディング」に依存するが、これは補助レジスタ、回路深度、および状態準備において大きなオーバーヘッドを導入する。先行研究 [13] では、対角相似変換を用いて三対角タイムステップ行列をエルミート形式に変換することで、1次元のブラック・ショールズ方程式に対してエルミート-GQSPを適用することに成功している。しかし、この手法は2次元においては失敗する。なぜなら、2次元行列のブロック構造（テンソル積離散化および混合微分から生じるもの）は、エルミート性を維持する対角相似変換の存在を妨げるからである。

2. 手法

著者らは、対角相似変換や従来のブロックエンコーディングのオーバーヘッドを必要とせずに、2次元ブラック・ショールズ方程式に対してGQSPフレームワークを拡張するためのエルミート・ブロック埋め込み戦略を提案している。

A. エルミート・ブロック埋め込み
非エルミート行列 $\tilde{M}$ を直接対称化しようとする代わりに、著者らは $\tilde{M}$ をより大きな次元 $2N \times 2N$（$N$ は離散化グリッドの次元）のエルミート行列 $H$ に埋め込む。
$$H = \begin{pmatrix} 0 & \tilde{M} \\ \tilde{M}^T & 0 \end{pmatrix}$$
$\tilde{M}$ は実数であるため、$H$ は実対称であり、したがってエルミートである。この埋め込み行列の逆行列は以下の通りである：
$$H^{-1} = \begin{pmatrix} 0 & \tilde{M}^{-T} \\ \tilde{M}^{-1} & 0 \end{pmatrix}$$
極めて重要なことに、目的とする逆タイムステップ演算子 $\tilde{M}^{-1}$ は、$H^{-1}$ の左下オフダイアゴナル・ブロックに現れる。

B. 奇関数多項式近似
$H$ の構造は、その累乗に対してパリティ（奇偶性）特性を課す。すなわち、偶数乗の $H$ はブロック対角であり、奇数乗はブロック・オフダイアゴナルである。

• 著者らは、$H$ のスペクトル上で逆関数 $f(x) = 1/(\gamma x)$ を近似するために、奇関数多項式 $p(x) = \sum c_{2m+1} x^{2m+1}$ を構成する。
• $p(x)$ は奇関数であるため、$p(H)$ は依然としてブロック・オフダイアゴナルとなる。したがって、$p(H)$ の左下ブロックは $\tilde{M}^{-1}$ を近似する。
• これにより、埋め込み入力状態 $\begin{pmatrix} V^n \\ 0 \end{pmatrix}$ に対して多項式変換を適用し、得られたベクトルの下半分を抽出することで、逆方向の時間発展ステップを回収することが可能になる。

C. スペクトル・スケーリングとGQSPの実装

• スケーリング: 行列 $H$ を因子 $\gamma = \max |\lambda_i(H)|$ でリスケールして $A = H/\gamma$ を定義し、スペクトルが $[-1, 1]$ 内に収まるようにする。スペクトルはゼロを中心に対称であり、$[-1, -\delta] \cup [\delta, 1]$ 内に存在する（$\delta$ は $\tilde{M}$ の条件数によって決定される）。
• GQSP: リスケールされたエルミート行列 $A$ は、ユニタリ演算子 $U = A + i\sqrt{I-A^2}$ に埋め込まれる。そして、GQSPアルゴリズムを用いて、この $U$ に対して奇関数多項式変換 $p(A)$ を実装する。
• 出力: 量子回路は、下部レジスタに近似解 $V^{n+1} = \tilde{M}^{-1}V^n$ を含む状態を出力する。

3. 主な貢献

• 2次元への拡張: 本論文は、対角相似変換の使用を阻害する構造的障害を克服することにより、エルミート-GQSPフレームワークを1次元から2次元のブラック・ショールズ方程式へと拡張した。
• ブロックエンコーディング・フリーのアプローチ: 著者らは、特定のエルミート・ディレーションと奇関数多項式構造を利用することで、標準的なブロックエンコーディングの重いオーバーヘッドなしに、非エルミート行列の逆問題を解く手法を実証した。
• 原理実証: 本研究は、現代の量子線形代数技術が多次元オプション価格設定問題に適用可能であることを示す原理実証（Proof of Principle）を提供している。

4. 数値結果

著者らは、PythonおよびPennyLaneを使用して、2資産の欧州型バスケット・コール・オプションに関する数値シミュレーションを行った。

• セットアップ: 金融パラメータ（ボラティリティ、相関、ストライク価格など）を変化させた2つのシミュレーションを実施した（$32 \times 32$ グリッドポイントを2048次元に埋め込み）。
• 比較: GQSPベースの解を、以下の手法と比較検証した：
  1. 古典的な後退オイラー有限差分法。
  2. エルミート化された行列に直接適用された古典的な多項式近似。
• 知見:
  • GQSPによる解は、古典的な多項式近似および後退オイラーのベンチマークの両方と密接に一致した。
  • この結果は、エルミート・ブロック埋め込みが元の非エルミート演算子のダイナミクスを正確に捉えていることを裏付けた。
  • 誤差源: 分析により、主に2つの誤差源が特定された：
    1. 多項式近似誤差: スペクトルギャップ $\delta$ に依存する。2番目のシミュレーションでは、より大きなスペクトルギャップにより近似誤差が減少した。
    2. 離散化誤差: 単一の大きなタイムステップを使用する必要があるため（本実装はシングルステップ・ソルバーとして実装されている）、離散化誤差は顕著であった（第1のシミュレーションで最大 \approx \0.09$、第2のシミュレーションでは約60%増）。この誤差は古典的なベンチマークにも固有のものである。
  • ノイズ: 量子シミュレーションでは、古典的な多項式近似には見られなかったノイズフロア（第2のシミュレーションで $10^{-2}$ 付近）が観察された。

5. 意義と主張

本論文は、提案された手法が、多次元ブラック・ショールズ問題を解くためにエルミート・ブロック埋め込みとGQSPを組み合わせる実現可能性を示していると主張している。

• 限定的な範囲: 著者らは、現在の実装が「シングルステップ逆行列ソルバー」であることを明示している。彼らはまだ量子優位性を主張しておらず、スペクトルギャップが小さい場合に高次の多項式が必要となることや、大きなタイムステップによる離散化誤差によって手法が制限されていることを指摘している。
• 将来の可能性: 本研究の意義は、古典的なコンピュータが「次元の呪い」に直面する多資産デリバティブに対する量子アルゴリズムへの道筋を提供することにある。著者らは、真の量子優位性は、古典的な有限差分法が計算量的に困難となる3次元以上において現れる可能性があると示唆している。
• 限界: 本論文は、効率的なマルチステップ時間発展スキーム、ノイズフロアの低減、およびより優れたグリッド戦略またはマルチステップGQSP実装を通じた離散化誤差の最小化のために、今後の研究が必要であることを認めている。

要約すると、本論文は、対角相似変換を回避するエルミート・ブロック埋め込みを導入することで、2次元オプション価格設定へのGQSPの適用に関する理論的および数値的な基礎を確立し、高次元の金融デリバティブのための量子アルゴリズムに向けた実行可能なルートを提供している。