Q-PhotoMarket: A Design Space Exploration Framework for Photonic Hybrid Quantum Neural Networks in Financial Market Prediction

금융 세계에서 내일 주가가 오를지 내릴지를 예측하는 것은 수십 년 동안 인간의 직관과 수학적 모델에 도전해 온 과제입니다. 신호는 종종 희미하고, 시장의 움직임은 혼란스러우며, 데이터는 끊임없이 변화합니다. 최근 과학자들은 이 퍼즐을 해결하기 위해 새로운 종류의 컴퓨터인 양자 컴퓨터를 활용하여 이 문제를 해결하는 방법을 모색하기 시작했습니다. 오늘날 우리가 사용하는 장치들이 정보를 단순한 온-오프 스위치로 처리하는 것과 달리, 양자 기계는 정보를 훨씬 더 복잡한 상태로 보유할 수 있어 동시에 많은 가능성을 탐색할 수 있습니다. 이 기술의 유망한 버전 중 하나는 빛, 구체적으로는 광자라고 불리는 입자를 사용하여 계산을 수행합니다. 빛은 빠르고 높은 정밀도로 조작될 수 있기 때문에, 연구자들은 이러한 빛 기반 양자 회로와 친숙하고 강력한 도구인 고전적 인공지능을 결합한 하이브리드 시스템을 구축하고 있습니다. 이 두 세계를 혼합함으로써 전통적인 컴퓨터가 놓치는 금융 데이터의 패턴을 찾아낼 수 있기를 기대하고 있습니다.

뉴욕대학교 아부다비 캠퍼스와 덴마크 남부 대학교의 연구진은 금융을 위한 이러한 빛 기반 시스템을 구축하는 방법을 이해하는 데 있어 중요한 진전을 이루었습니다. 그들은 수천 개의 서로 다른 설계를 테스트할 수 있는 거대한 시험장 역할을 하는 Q-PhotoMarket이라는 새로운 프레임워크를 만들었습니다. 어떤 빛 회로와 설정의 조합이 가장 좋을지 추측하는 대신, 그들은 5,000개 이상의 유효한 구성을 체계적으로 탐색했습니다. 그들은 미국의 주요 주식 지수, 인도의 선도적인 주식 지수, 그리고 변동성이 큰 암호화폐라는 세 가지 매우 다른 금융 시장의 실제 데이터를 사용하여 이 설계들을 테스트했습니다. 그들의 목표는 빛이 시스템에 들어오는 방식, 거울과 렌즈가 배치되는 방식, 그리고 최종 결과가 측정되는 방식과 같은 물리적 설계의 선택이 시장 움직임을 예측하는 능력에 어떤 영향을 미치는지 확인하는 것이었습니다.

연구진은 기계 내부에서 빛이 배열되는 방식이 처음에 사용되는 빛 입자의 종류보다 훨씬 더 중요하다는 것을 발견했습니다. 그들은 특정 건축적 레이아웃, 특히 빛이 복잡하고 보편적인 방식으로 상호작용할 수 있도록 하는 레이아웃이 단순한 설정보다 일관되 없이 더 나은 예측을 생성한다는 것을 발견했습니다. 가장 놀라운 발견 중 중 하나는 예측 과제를 더 어렵게 만드는 것이 오히려 시스템의 성능을 향상시킨다는 것이었습니다. 연구진이 모델에게 작은 움직임이 아니라 경제적으로 의미 있는 큰 가격 급등만을 예측하도록 요청했을 때, 모델의 정확도는 더 높아졌습니다. 이는 미세하고 노이즈가 섞인 변동을 걸러냄으로써 컴퓨터가 학습할 수 있는 더 명확한 신호를 남겼기 때문입니다. 그러나 이는 새로운 과제도 도입했습니다. 과제가 어려워짐에 따라 모델이 가끔 예측을 아예 멈추는 현상이 발생했는데, 연구팀은 결정 임계값을 주의 깊게 조정함으로써 이 실패 모드를 감지하고 수정하는 법을 배웠습니다.

연구진은 단순히 운 좋은 추측을 하는 것이 아니라 최선의 설계를 찾기 위해 스스로의 시도로부터 배우는 스마트한 탐색 방법을 사용했습니다. 그들은 방대한 수의 가능성을 테스트하는 것으로 시작하여, 그 결과를 바탕으로 가장 유망한 영역으로 탐색을 유도했습니다. 이 과정은 단 하나의 설계가 모든 시장에 완벽하게 작동하지는 않지만, 명확한 패턴이 존재함을 보여주었습니다. 예를 들어, 빛이 여러 방향으로 섞일 수 있게 하는 메시(mesh)라고 알려진 특정 유형의 회로 레이아웃은 종종 다른 형태보다 뛰어난 성능을 보였습니다. 또한 그들은 빛으로부터 최종 결과를 읽어내는 방법이 회로 자체만큼이나 중요하다는 것을 발견했습니다. 특정 상태에서 광자를 발견할 확률을 측정함으로써, 시스템은 다른 특성들을 측정할 때보다 유용한 정보를 더 효과적으로 추출할 수 있었습니다.

이들은 자신들의 최선인 빛 기반 설계들을 표준적인 금융용 컴퓨터 프로그램들과 비교했을 때, 양자 모델들은 충분히 경쟁력을 갖추었습니다. 양자 모델이 고전적 방법들을 항상 큰 차이로 압도한 것은 아니었지만, 특히 드물고 큰 시장 움직임을 예측하는 어려운 과제에서 경쟁력 있는 성능을 보여주었습니다. 이는 이러한 하이브리드 시스템이 단순히 이론적인 호기심이 아니라 실질적인 사용을 위한 실제적인 잠재력을 가지고 있음을 시사합니다. 이 연구는 이 분야가 단순히 양자 컴퓨터를 만드는 단계를 넘어, 이제는 특정 작업을 위해 이러한 기계를 정확히 어떻게 설계할 것인가에 초점을 맞추고 있음을 강조했습니다. 연구진은 단 하나의 추측에 의존하기보다 설계 공간을 철저히 탐색함으로써, 다양한 유형의 금융 데이터에 걸쳐 작동하는 견고한 구성을 식별할 수 있음을 보여주었습니다.

이 연구는 이 기술의 미래를 위한 청사진 역할을 합니다. 이는 더 나은 금융 예측으로 가는 길이 단순히 더 크거나 빠른 양자 기계를 만드는 것이 아니라, 그 안에서 빛이 어떻게 조작되는지에 대한 복잡한 세부 사항을 이해하는 데 있다는 것을 입증합니다. 연구팀의 발견은 가장 성공적인 시스템은 회로의 복잡성과 답을 읽는 방법 사이의 균형을 신중하게 맞추는 시스템이 될 것임을 시사합니다. 실험은 실제 하드웨어가 아닌 고급 시뮬레이션을 사용하여 수행되었지만, 그 결과는 다음에 무엇을 만들어야 할지에 대한 명확한 지도를 제공합니다. 양자 기술이 성숙해짐에 따라, 이러한 통찰력은 엔지니어들이 글로벌 경제의 예측 불가능한 파도를 더 정밀하게 항해할 수 있는 기계를 구축하는 데 도움을 줄 것이며, 시장의 혼란스러운 노이즈를 실행 가능한 정보로 바꾸어 놓을 것입니다.