Quenching Speculation in Quantum Markets via Entangled Neural Traders

기술 요약: 얽힌 신경망 트레이더를 통한 양자 시장의 투기 억제

문제 제기
투기적 거래는 종종 현저한 시장 불안정을 유발하며, 이는 심각한 거시 경제적 결과를 초목하는 경제적 버블과 그에 따른 붕괴로 이어진다. 기존의 규제 및 거시 건전성 도구들은 일반적으로 이러한 불안정한 역학이 이미 발생한 후에야 개입한다. 고전적 경제 모델에서 변동성은 고전적 정보를 교환하는 합리적 행위자들의 상호작용으로부터 발생하며, 이는 종종 행위자들이 자산 가치를 0으로 공동 하락시키는 '버스트(bust)' 평형(p-guessing game에서 나타나는 현상)으로 수렴한다. 저자들은 양자 기술이 의사 결정자들 사이에 비고전적 상관관계를 도입함으로써, 중앙 집중식 감독 없이도 내생적으로 시장을 안정시킬 수 있는 근본적으로 새로운 메커니즘을 제공할 수 있다고 제안한다.

방법론
본 연구는 다중 에이전트 강화 학습(RL)과 양자 게임 이론을 결합하여 프로토타입 양자 주식 시장을 시뮬레이션하는 하이브리드 접근 방식을 채택한다.

1. 강화 학습 에이전트: 시장은 각각 피드포워드 신경망에 의해 제어되는 8개의 AI 트레이더로 구성된다. 각 에이전트는 초기 현금과 주식 보유량을 가진다. 에이전트의 목표는 순자산(현금 + 주식 가치)을 극대화하는 것이다. 네트워크 입력값에는 에이전트의 현재 현금, 주식 보유량, 그리고 이전 라운드의 평균 주식 가치가 포함된다. 출력값은 매수 또는 매도 의사와 구체적인 평가 가격을 결정한다. 에이전트들은 실현된 보상에 따라 전략을 적응시키며 REINFORCE 알고리즘과 ADAM 옵티마이저를 사용하여 훈련된다.
2. 고전적 베이스라인: 고전적 시뮬레이션에서 에이전트들은 원시 평가액을 기반으로 거래한다. 거래는 구매자와 판매자의 평가액이 허용 오차 범위 내에서 일치할 때 발생하며, 이는 표준 시장 메커니즘을 모방한다.
3. 양자 시장 프레임워크: 양자 아날로그에서는 원시 평가액이 직접 거래되지 않는다. 대신, 이 값들은 각 트레이더에게 할당된 큐비트로 인코딩된다. 매칭 전, 이 큐비트들은 다음과 같은 변분 양자 회로 프로세스를 거친다:
   • 초기화: 큐비트는 $|0\rangle$ 상태에서 시작한다.
   • 얽힘(Entanglement): 모든 큐비트를 얽히게 하기 위해 얽힘 연산자 $J(\gamma)$가 적용되며, 여기서 $\gamma$는 얽힘의 정도($0 \le \gamma \le \pi/2$)를 제어한다.
   • 인코딩: 원시 평가액은 큐비트에 작용하는 유니터리 게이트 $U_i(\theta_i)$로 매핑된다.
   • 측정/조정: 역 얽힘 연산자 $J^\dagger(\gamma)$가 적용되며, 조정된 평가액은 큐비트의 기댓값으로부터 도출된다.
4. 게임 이론적 분석: 시뮬레이션 결과를 설명하기 위해, 저자들은 양자화된 버전의 p-guessing game을 정립한다. 이들은 순수 전략 및 혼합 전략에 대한 효용 함수와 내쉬 평형을 분석하며, 특히 얽힘과 위상 결맞음(phase coherence)이 고전적인 경우와 비교하여 전략적 지형을 어떻게 변화시키는지 조사한다.

주요 기여 및 결과

• 자산 가격의 안정화: 고전적 시뮬레이션에서 AI 에이전트들은 빠르게 청산 전략으로 수렴하여 상품 가격이 0에 가깝게 폭락(하락장 붕로)하게 만든다. 그러나 완전히 얽힌 양자 시장에서는 이러한 통제 불능의 가치 하락이 완화된다. 가격은 초기 내재 가치 근처에서 안정되며, 버스트 시나리오를 완전히 회피한다.
• 트레이더 순자산 증대: 가격 안정화 덕분에, 양자 시장에서의 AI 트레이더 평균 순자산은 고전적 시장보다 유의미하게 높다. 대표적인 실행 결과에서, 양자 시장의 가장 가난한 트레이더가 고전적 시장의 가장 부유한 트레이더보다 더 높은 순자산을 유지했다.
• 제어 레버로서의 얽힘: 얽힘의 정도($\gamma$)는 변동성을 위한 제어 파라미터 역할을 한다. $\gamma$가 0(고전적)에서 $\pi/2$(최대 얽힘)로 증가함에 따라, 시장은 붕괴 상태에서 안정 상태로 전환된다. 양자 상관관계는 보상 지형을 재편하여, 극단적인 저평가가 차선의 전략이 되도록 만든다.
• 순수 전략 내쉬 평형의 제거: 양자화된 p-guessing game에 대한 이론적 분석은 얽힘이 특정 위상 구성과 결 결합될 때, 고전적 게임에서 시장 붕괴를 주도하는 병리적인 순수 전략 내쉬 평형(모든 플레이어가 0을 입찰하는 상황)을 제거함을 보여준다.
• 비퇴화 혼합 평형의 존재: 순수 평형은 제거되지만, 양자 게임은 혼합 전략 내쉬 평형을 유지한다. 이산화된 전략 공간에 대한 계산적 분석은 이러한 혼합 평형이 0이 아닌 평균 평가액을 산출하며, 플레이어들이 확률적 전략을 사용할 때도 "버스트" 결과를 방지한다는 것을 보여준다.

의의 및 주장
본 논문은 양자 상관관계를 경제적 행동을 형성하는 새로운 내생적 메커 p로 식별했다고 주장한다. 자본 통제나 규제와 같이 외부에서 개입하는 전통적인 방식과 달리, 이 접근법은 정보 교환의 물리적 매체 자체를 통해 시장을 안정시킨다.

• 이론적 함의: 본 연구는 양자 얽힘이 경제 게임의 전략적 지형을 근본적으로 변화시켜, 시장 붕락을 초래하는 병리적 평형을 제거할 수 있음을 입증한다.
• 방법론적 유용성: 본 연구는 다중 에이전트 강화 학습이 복잡한 양자 의사 결정 프레임워크 내에서 최적의 전략을 탐색하기 위한 확장 가능하고 비용 효율적인 도구임을 검증하며, 이를 통해 인간 피험자 실험 및 현재의 하드웨어 제약을 우회한다.
• 향ating 전망: 저자들은 현재의 큐비트 수가 수백만 명의 트레이더가 참여하는 시장을 감당하기에는 부족하다는 점을 인정하면서도, 양자 컴퓨팅과 네트워킹(분산 양자 컴퓨팅 포함)의 급격한 발전이 양자 주식 시장이라는 개념을 점점 더 실현 가능한 미래 시나리오로 만든다고 제안한다. 이들은 이 프레임워크가 고전적 행동 모델을 넘어 양자 자유도를 활용함으로써 경제적 버블 완화에 대한 새로운 관점을 제공한다고 강조한다.

논문은 실제 구현에 대해 신중한 어조를 유지하며 현재 큐비트 수가 시장 규모를 감당하기에 불충분함을 인정하지만, 본 이론적 프레임워크가 경제적 동기에 의한 시스템에 양자 게임 이론을 적용하기 위한 구체적인 경로를 제공한다고 상정한다.