Digital Quantum Reservoir Computing for ATM Time Series Prediction

이 논문은 근미래 양자 하드웨어에서 ATM 현금 수요를 예측하기 위한 디지털 양자 리저버 컴퓨팅 프레임을 조사하며, 해당 프레임이 표준 오차 지표에서는 클래식 벤치마크를 능가하지 못하지만 동적 시간 워핑(Dynamic Time Warping)을 통해 시간적 구조를 포착하는 데 있어 경쟁력 있는 성능을 보여준다는 것을 밝혀냈다.

핵심

당신은 앞으로 10일 동안 ATM에 현금이 얼마나 필요할지 추측하려고 한다고 상상해 보십시오. 이것은 단순히 산수를 하는 문제가 아닙니다. 데이터는 복잡하고, 주간 단위의 리듬, 공휴일의 급증, 그리고 무작위적인 돌발 변수들로 가득 차 있습니다.

이 논문은 **양자 물리학으로 만들어진 새로운 형태의 "두뇌"**가 오늘날 우리가 가진 최고의 표준 컴퓨터 프로그램보다 이 추측 게임을 더 잘 수행할 수 있는지 확인하기 위한 실험입니다.

실험 내용을 알기 쉽게 설명하면 다음과 같습니다.

1. 설정: 양자 "메아리 방" (Quantum Echo Chamber)

연구진이 구축한 양자 리저버 컴퓨팅(QRC) 시스템을 복잡하고 하이테크한 메아리 방이라고 생각해 보십시오.

• 입력 (The Input): 기계에 숫자 하나를 입력합니다 (오늘 현금이 얼마나 인출되었는지).
• 메아리 방 (The Reservoir): 단순한 계산기 대신, 이 시스템은 단 4개의 큐비트(양자 비트)로 이루어진 작은 양자 회로입니다. 이는 마치 엉킨 실타래와 같습니다. 숫자를 입력하면, 이 실타래는 복잡하고 혼돈스러운 방식으로 진동합니다.
• 기억 (The Memory): 매 숫자마다 실타래의 일부는 "초기화"되지만, 두 부분은 그대로 두어 과거를 기억하게 합니다. 이는 지난 며칠간의 데이터를 붙잡고 있는 단기 기억과 같습니다.
• 출력 (The Output): 실타래가 진동한 후, 연구진은 양자 상태의 "스냅샷"(측정값)을 찍습니다. 이 스냅샷을 숫자 리스트(특징값)로 변환하여 매우 단순하고 표준적인 컴퓨터 프로그램(선형 회귀 모델)에 입력해 최종 예측을 만듭니다.

2. 실험: 다양한 "모양" 테스트

연구진은 이 메아리 방의 최적의 모양을 찾기 위해 노력했습니다. 그들은 두 가지 주요 설계를 테스트했습니다.

• "베이스라인(Baseline)" 설계: 양자 실들을 연결하는 표준적이고 직선적인 방식입니다.
• "MERA" 설계: 서로 다른 수준의 세부 사항에서 패턴을 포착하려는 더 복잡한 계층적 설계(프랙탈 트리와 같은 구조)입니다.

또한 그들은 메아리 방을 "읽는" 두 가지 방법도 테스트했습니다.

• 단순 읽기 (Simple Reading): 개별 실들만 관찰합니다.
• 고급 읽기 (Advanced Reading): 실들이 서로 어떻게 상호작용하는지(상관관계)를 관찰합니다. 연구진은 상호작용을 관찰하는 것이 컴퓨터에 더 많은 정보를 제공한다는 것을 발견했습니다.

3. 테스트: 실제 ATM 데이터

그들은 이탈리아의 13개 서로 다른 ATM에서 수집한 3년 치의 실제 인출 데이터를 사용했습니다. 목표는 향후 10일간의 현금 수요를 예측하는 것이었습니다.

• 상대방 (The Opponent): 그들의 양자 시스템을 전 세계 기업들이 시계열 예측을 위해 사용하는 유명하고 최적화된 소프트웨어인 Prophet과 비교했습니다. Prophet을 숙련된 베테랑 기상 예보가라고 생각하십시오.
• 조건 (The Conditions): 연구진은 세 가지 환경에서 테스트를 진행했습니다.
  1. 완벽한 시뮬레이션: 완벽한 양자 기계인 것처럼 행동하는 컴퓨터 (오류 없음).
  2. 노이즈가 있는 시뮬레이션: 실수의 오류를 범하는 양자 기계처럼 행동하는 컴퓨터 (실제 기계와 유사).
  3. 실제 하드웨어: 실제로 연구실에 있는 실제 양자 프로세서(IQM Spark)에서 코드를 실행했습니다.

4. 결과: 누가 승리했는가?

결과는 "아직 갈 길이 멀다"는 점과 "흥미로운 잠재력"이 섞여 있었습니다.

• 성적표 (정확도): 순수한 숫자 측면(예측값이 실제 금액과 얼마나 가까운가)에서는 Prophet 소프트웨어가 거의 매번 승리했습니다. 양자 모델은 더 큰 오차를 보였습니다.
• 모양 (타이밍): 하지만 그래프의 모양(숫자가 약간 틀리더라도 적절한 시점에 올라가고 내려가는가?)을 보았을 때, 양자 모델은 놀라운 성과를 보였습니다. 특히 "고급 읽기" 방식을 사용할 때, 양자 모델은 고전적 소프트웨어보다 데이터의 "리듬"을 더 잘 맞추는 경우가 있었습니다.
• 노이즈의 반전: 가장 직관에 어긋나는 부분은 바로 이것입니다. 보통 노이즈(오류)는 나쁜 것입니다. 하지만 이 실험에서 실제 양자 하드웨어(노이즈가 있는 상태)가 어떤 경우에는 완벽한 시뮬레이션보다 더 나은 성능을 보였습니다. 마치 라디오의 "지지직거리는 잡음"이 양자 시스템이 신호를 더 잘 듣도록 도와준 것과 같습니다. 노이즈가 단순한 컴퓨터 모델은 복제할 수 없는 유익한 복잡성의 층을 더해준 것처럼 보였습니다.

5. 결론

이 논문은 이 특정 양자 설정이 정확한 숫자를 예측하는 데 있어 최고의 고전적 방법들을 능가하지는 못했지만, 다음과 같은 사실을 입증했다고 결론짓습니다.

1. 양자 시스템은 시계열 데이터의 "리듬"과 "모양"을 포착할 수 있다.
2. "노이즈가 있는" 실제 양자 컴퓨터를 사용하는 것이 때로는 불리함이 아니라 이점이 될 수 있다.
3. 이 기술은 아직 "유아기"(NISQ 시대)에 있다. 이는 음악에 맞춰 춤은 출 수 있지만(패턴 포착), 아직 정확한 음을 짚어내는 법(정확한 숫자 예측)은 배우지 못한 걷기 시작한 아기와 같다.

요약하자면: 그들은 ATM의 현금 수요를 예측하기 위해 작은 양자 수정구슬을 만들었습니다. 이 구슬이 표준 컴퓨터처럼 정확한 달러 금액을 예측하지는 못했지만, 시간의 '흐름'을 이해하는 독특한 능력을 보여주었으며, 놀랍게도 실제 양자 기계의 "결함"이 완벽한 시뮬레이션보다 학습에 더 도움이 되었습니다.

기술 요약

기술 요약: ATM 시계열 예측을 위한 디지털 양자 리저버 컴퓨팅

문제 정의
본 논문은 은행 물류의 핵심적인 운영 과업으로서, 비정상성(non-stationary) 행동, 계절성(일간, 주간, 연간), 그리고 확률적 변동성을 특징으로 하는 자동화 입출금기(ATM) 현금 수요 예측의 어려움을 다룹다. 저자들은 **디지털 양자 리저버 컴퓨팅(Digital Quantum Reservoir Computing, QRC)**이 심층 매개변수 양자 회로(deep parameterized quantum circuits)와 관련된 학습 능력 문제 없이, 근시적 노이즈 중간 규모 양자(NISQ) 장치에서 다단계 시계열 예측을 위한 실행 가능한 프레임워크 역할을 할 수 있는지 조사한다. 본 연구는 양자 역학적 시스템이 복잡한 시간적 의존성을 포착할 수 있는지 평가하는 것을 목표로 한다.

방법론
제안된 프레임워크는 고정된 양자 회로가 비선형 특징 맵(nonlinear feature map) 역할을 수행하고, 오직 고전적인 선형 판독층(classical linear readout layer)만을 학습시키는 디지털 QRC 아키텍처를 채택한다.

• 데이터 및 전처리: 본 연구는 13개 ATM의 3년간 일일 출금 데이터를 활용한다. 원시 데이터는 선형 보간법을 통해 정제되며, 양자 게이트의 회전 각도로 사용하기 위해 $[0, \pi]$ 구간으로 재조정(rescaling)된다.
• 양자 리저버 아키텍처: 시스템은 다음과 같은 4-큐비트 레지스터를 사용한다:
  • 시스템 큐비트 (2개): 시간 단계 전반에 걸쳐 메모리를 유지한다.
  • 보조 큐비트 (2개): 매 시간 단계마다 측정 및 리셋되어 입력을 순차적으로 처리한다.
  • 안사츠(Ansatzes): 두 가지 회로 구조를 테스트한다: 하드웨어 효율성을 위해 이전 연구에서 채택된 **베이스라인 안사츠(Baseline ansatz)**와 계층적 얽힘을 도입하는 **다중 척도 얽힘 재정규화 안사츠(MERA)**이다.
  • 메모리 파라미터 ($m$): 회로 깊이는 예측 전 인코딩되는 연속적인 시간 단계의 수인 $m$에 의해 제어된다. 테스트된 값은 주간 주기성과 일치하도록 7의 배수(7, 14, 21, 28, 35, 42)를 포함한다.
• 특징 추출: 측정값은 회귀 모델의 입력으로 사용되는 고전적 관측량을 생성한다. 저자들은 다음을 비교한다:
  • 단일 큐비트 관측량: 일점 상관 함수($\langle Z_i \rangle$).
  • 증강된 특징(Augmented features): 단일 큐비트 관측량과 이점 상관 함수($\langle Z_i Z_k \rangle$)의 결합.
• 판독 및 예측: 고전적 릿지 회귀(Ridge regression) 모델이 양자 특징을 미래의 현금 수요 값으로 매핑한다. 시스템은 10일의 예측 지평($K=10$)을 위해 폐쇄 루프(closed-loop) 구성으로 작동한다. 다단계 예측을 처리하기 위해 RegressorChain 접근 방식도 테스트되었으나, 시간적 역학을 과도하게 평활화(smoothing)한다는 이유로 최종적으로 제외되었다.
• 실험 설정: 실험은 다음 세 가지 환경에서 수행되었다:
  1. 노이즈 없는 시뮬레이션 (Aer Simulator).
  2. 노이즈 인지 에뮬레이션 (IQM Adonis 노이즈 모델).
  3. IQM Spark 양자 프로세서에서의 실제 하드웨어 실행.
• 벤치마킹: 성능은 최첨단 고전적 가법 모델(additive model)인 Prophet과 비교된다.

주요 기여

1. 설계 선택에 대한 체계적 분석: 본 논문은 실제 금융 환경에서 안사츠(Baseline vs. M형 MERA), 측정 전략(단일 vs. 이점 상관 함수), 메모리 깊이, 그리고 하드웨어 노이즈가 QRC 성능에 미치는 영향을 종합적으로 실증적 평가를 제공한다.
2. 증강된 특징 공간: 특징 공간을 이점 상관 함수까지 확장하는 것이 리저버의 표현력을 높이며, 일반적으로 단일 큐비트 관측량만 사용할 때보다 더 나은 결과를 얻을 수 있음을 입증한다.
3. 하드웨어 인지 평가: 많은 개념 증명 연구와 달리, 본 연구는 이상적인 시뮬레이션, 노이즈 인지 에뮬레이션, 그리고 실제 하드웨어 실행을 대조하며 실제 NISQ 장치(IQM Spark)에서 프레임워크를 평가한다.
4. 운영적 관련성: ATM 현금 수요에 대한 적용은 합성 데이터셋을 넘어 실제 은행 운영을 대상으로 하는 엄격한 시간적 모델링 벤치마크를 제공한다.

결과

• 성능 지표: 연구는 정규화 평균 제곱 오차(NMSE), 평균 절대 오차(MAE), 그리고 동적 시간 워핑(DTW)을 사용하여 결과를 평가한다.
• Prophet과의 비교:
  • MAE 및 NMSE: QRC 모델은 Prophet 벤치마크를 능가하지 못했다. Prophet은 일관되게 더 낮은 오차를 달성하였으며, 이는 양자 모델이 정확한 점별 예측(pointwise prediction)을 수행하고 시계열의 전체 분산을 포착하는 데 어려움을 겪었음을 나타낸다.
  • DTW: QRC 모델은 DTW 지표에서 더 경쟁력 있는 결과를 보였다. 특히 MERA 안사츠와 증강된 특징을 사용하고 IQM Spark 백엔드에서 실행했을 때, QRC는 Prophet을 약간 앞질렀다. 이는 예측의 진폭(amplitude)은 부정확할 수 있으나, 양자 리저버가 시계열의 전반적인 시간적 형태와 구조를 포착하는 부분적인 능력을 보유하고 있음을 시사한다.
• 노이즈의 영향: 직관과는 반대로, 노이즈 없는 시뮬레이션에서 노이즈 인지 에뮬레이션 및 실제 하드웨어 실행으로 이동함에 따라 예측 품질이 개선되는(낮은 MA-E/NMSE) 경우가 종종 발생했다. 저자들은 하드웨어 노이즈가 리저버의 특징 맵 기능을 강화하여 유익한 비선형성을 주입할 수 있다고 제안하지만, 이는 결맞음 시간(coherence time)으로 인한 회로 깊이 제한이라는 트레이드오프를 동반한다.
• 최적의 구성: 가장 효과적인 구성으로 식별된 것은 MERA 안사츠와 증강된 특징, 그리고 메모리 파라미터 $m=21$의 조합이었으며, 이는 예측 품질과 IQM Spark에서의 하드웨어 실행 가능성 사이의 최적의 절충안을 제공했다.

의의 및 주장
본 논문은 현재의 디지털 QRC 구현이 정밀한 점별 금융 예측을 위해 Prophet과 같은 강력한 고전적 베이스라인을 아직 능가하지는 못하지만, DTW 성능에서 알 수 있듯이 시간적 구조를 포착하는 부분적인 능력을 보여준다고 결론짓는다.

저자들은 본 연구가 실질적인 제약 조건 하에서의 디지털 QRC에 대한 경험적 평가임을 강조한다. 주요 시사점은 다음과 같다:

• 실행 가능성: 회로 깊이를 메모리 파라미터를 통해 관리한다면, 현재의 하드웨어에서 디지털 QRC는 시계열 작업을 수행하는 것이 가능하다.
• 노이즈의 역할: 실제 하드웨어 노이즈와 장치 특유의 역학은 리저버의 변환 능력에 비사소하며, 잠재적으로 유익한 역할을 할 수 있으며, 이는 노이즈가 오직 해롭기만 하다는 통념에 도전한다.
• 한계점: 이 접근 방식은 현재 회로 깊이 제약(결맞음 시간)과 특정 하드웨어에 맞춤화된 설계 없이는 성능 이득을 일반화하기 어렵다는 점에 의해 제한된다.
• 향-후 전망: 본 연구는 향후 양자 강화 예측을 위한 최적의 구성을 식별하기 위해 양자 노이즈, 회로 표현력, 그리고 하드웨어 제약 사이의 상호작용을 더욱 탐구할 필요가 있음을 강조한다.