A Noise-Aware Quantum Algorithm for Credit Valuation Adjustments on Real Quantum Hardware

거대한, 혼란스러운 경기장에 있는 모든 사람의 평균 키를 추측하려고 한다고 상상해 보세요. 전통적인 방식(몬테카를로 시뮬레이션이라고 불리는)을 사용한다면, 당신은 돌아다니며 몇 명을 측정하고, 추측하고, 몇 명을 더 측정하는 과정을 반복하며 확신이 들 때까지 계속해야 할 것입니다. 이는 느린 방식이며, 매우 정밀한 답을 얻으려면 정말 많은 사람을 측정해야 합니다.

이제, 경기장 전체를 한 번에 볼 수 있는 "양자 슈퍼 스캐너"가 있다고 상상해 보세요. 이 스캐너는 **양자 진폭 추정(Quantum Amplitude Estimation)**이라는 특별한 기술을 사용합니다. 완벽하고 노이즈가 없는 세상이라면, 이 스캐너는 훨씬 적은 단계만으로도 답을 찾아낼 수 있습니다. 마치 건초더미에서 바늘을 찾는 것처럼, 바늘이 놓인 곳을 점점 더 밝게 빛나게 만들어 도저히 놓칠 수 없게 만드는 것과 같습니다. 이것이 바로 양자 컴퓨팅이 금융 분야에서 기대되는 이유인 "이차적 가속(quadratic speedup)"입니다.

하지만 반전이 있습니다. 우리는 완벽한 세상에 살고 있지 않습니다. 우리가 살고 있는 세상은 노이즈가 가득한 세상입니다. 현재 우리가 가진 양자 컴퓨터(이른-노이즈 하드웨어라고 불리는)는 만약 당신이 그 슈퍼 스캐너를 사용하려는데, 스캐너가 흔들리고, 진동하고, 배터리까지 빠지고 있다면 어떤 모습일지를 보여줍니다. 만약 당신이 (스캐너를 더 많이 실행하여) 바늘을 더 밝게 빛나게 만들려고 시도한다면, 흔들림이 너무 심해져서 빛이 오히려 사라지게 되고, 결국 새로운 것을 전혀 배우지 못하게 될 것입니다.

문제: "흔들리는 스캐너"

이 논문의 저자들은 매우 구체적인 금융 문제인 **신용 가치 조정(CVA, Credit Valuation Adjustment)**을 테스트하고자 했습니다. CVA는 은행이 차입자가 채무를 이행하지 못할 경우(디폴트)를 대비해 부과하는 "안전 비용"과 같습니다. CVA를 계산하는 것은 앞서 말한 경기장의 평균 키를 추측하는 것과 비슷하지만, 여기에 더 복잡한 층들이 추가됩니다. 즉, 군중이 어떻게 움직이는지, 사람들이 떠날 확률은 얼마인지, 그리고 그들이 얼마의 돈을 빚지고 있는지 등을 동시에 추측해야 합니다.

이전 연구들은 양자 컴퓨터가 이를 더 빠르게 해결할 수 있다고 제안했습니다. 하지만 그러한 연구들은 대부분 완벽한 컴퓨터 시뮬레이션 환경에서 이루어졌습니다. 그들은 실제 작동 중인 흔들리는 양자 기계에서 코드를 실행했을 때 어떤 일이 벌어지는지는 테스트하지 않았습니다.

해결책: "노이즈를 인지하는" 탐정

연구팀은 실제 IBM 양자 하드웨어에서 이 안전 비용을 계산하기 위한 완전한 워크플로우를 구축했습니다. 하지만 그들은 단순히 표준적인 "더 밝게 빛나게 만드는" 방식을 사용한다면 노이즈가 답을 망쳐버릴 것이라는 점을 알고 있었습니다.

그래서 그들은 CABIQAE(대조 인지 베이지안 반복 양자 진폭 추정, Contrast-Aware Bayesian Iterative Quantum Amplitude Estimation)라는 새로운 탐정 방법을 발명했습니다.

여기서 비유를 들어보겠습니다:

• 기존 방식 (BIQAE): 마치 탐정이 계속해서 "답이 여기 있다고 확신해!"라고 외치며 검색의 볼륨(증폭)을 계속 높이는 것과 같습니다. 하지만 노이즈가 많은 방에서는 크게 소리칠수록 메아리가 잡음(static)처럼 들리게 됩니다. 탐정은 자신의 목소리가 완전히 잡음에 묻혀버릴 때까지 계속 소리를 지르며 시간과 에너지를 낭비합니다.
• 새로운 방식 (CABIQAE): 이 탐정은 똑똑합니다. 그들에게는 방 안에 "잡음(noise)"이 정확히 얼마나 있는지 측정하는 특수 마이크가 있습니다. 그들은 만약 특정 볼륨 이상으로 소리를 높이면 신호가 오히려 나빠진다는 것을 알고 있습니다. 그래서 잡음이 너무 커지기 전에 소리 지르는 것을 멈춥니다. 또한, 잡음이 덮치기 전까지 얻어낸 단서들을 결합하기 위해 영리한 수학적 트릭(베이지안 추론)을 사용하여 더 적은 노력으로 더 나은 답을 찾아냅니다.

실제로 발견한 것

저자들은 실제 양자 하드웨어에서 실험을 수행했고, 자신들의 새로운 "노이즈 인지형" 탐정을 기존의 "소리 지르는" 탐정 및 단순한 "모두를 세는" 방법과 비교했습니다.

1. "소리 지르는" 탐정의 실패: 표준 방식(BIQейAE)은 깊은 증폭 회로를 사용하려고 시도했습니다. 실제 하드웨어에서 신호는 너무 노이즈가 심해져서 더 이상 개선되지 않았습니다. 즉, 단계를 더 추가해도 답이 나빠지기만 하는 "노이즈 플로어(noise floor)"에 부딪혔습니다.
2. 새로운 탐정의 승리 (조건부): 새로운 CABIQAE 방식은 언제 멈춰야 할지를 훨씬 더 잘 파악했습니다. 이 방식은 양자 증폭이 노이즈에 잠식되기 전, 여전히 유용하게 작용하는 "최적의 지점(sweet spot)"을 찾아냈습니다.
   • 이 방식은 약 1.82 × 10⁻³이라는 최종 오차율(매우 작은 숫자이지만 0은 아님)을 달랐습니다.
   • "생각하는" 단계(고전적 사후 처리)에서 매우 빨랐는데, 다른 노이즈 인지 방식에 비해 단 1.25초밖에 걸리지 않았습니다 (다른 방식은 45.72초 소요).
   • 다른 방식의 최대 증폭 계수인 33에 비해 더 얕은 회로(최대 증폭 계수 23)를 사용하여 노이즈를 피했습니다.

명시적으로 제외된 사항

이 논문이 하지 않은 일을 이해하는 것이 매우 중요합니다:

• "마법 같은 승리"는 없음: 저자들은 자신들이 실제 현실의 엔드 투 엔드(end-to-end) 관점에서 양자 컴퓨터가 현재의 고전 컴퓨터보다 더 빠르다는 것을 증명한 것이 아님을 명시적으로 밝혔습니다. 총 소요 시간 측면에서 고전 슈퍼컴퓨터를 이기지 못했습니다.
• 보편적 우월성 없음: 그들은 자신들의 알고리즘(CABIQAE)이 완벽하고 노이즈가 없는 세상에서 다른 모든 방법보다 이론적으로 더 낫다고 주장하는 것이 아닙니다. 오직 현재의 노이즈가 있는 하드웨어라는 특정한 상황에서만 더 낫습니다.
• 해결된 문제는 아님: 이 논문은 전체 오차가 금융 수학을 양자 코드로 변환하는 방식(이산화, discretisation)과 회로의 깊이에 의해 여전히 제한된다는 점을 인정합니다. "전체 CVA 오라클(full CVA oracle)"은 여전히 이러한 요인들에 의해 제한됩니다.

결론

이 논문은 금융을 위한 완벽하고 즉각적인 양자 가속의 꿈은 아직 유예 상태에 있지만, "노이즈를 인지하도록" 함으로써 현재의 노이즈가 있는 양자 컴퓨터를 훨씬 더 유용하게 만들 수 있다는 점을 시사합니다.

알고리즘에게 노이즈를 듣는 법을 가르치고, 신호가 너무 흐릿해지기 전에 증폭을 멈추게 함으로써, 연구팀은 오늘날의 흔들리는 양자 기계로부터 이전보다 더 많은 유용한 정보를 추출할 수 있음을 보여주었습니다. 이것은 모든 것을 해결하는 마법 지팡이는 아니지만, 신호를 조금 더 잘 들을 수 있게 도와주는 아주 똑똑한 노이즈 캔슬링 헤드폰과 같습니다.

저자들은 이를 실제 하드웨어에서 측정하여, 자신들의 방식이 이 특정한 노이즈 환경에서 대안들보다 더 잘 작동함을 보여주었으나, 여전히 신중한 태도를 유지합니다: 금융 분야에서의 완전한 양자 우위(quantum advantage)를 향한 여정은 여전히 진행 중입니다.