Toward Quantum Monte Carlo for Sovereign Debt Risk: A proof of concept

글로벌 금융이라는 고도의 긴장감이 흐르는 세계에서, 정부들은 국가를 건설하기 위해 돈을 빌리는 것과 다시는 갚을 수 없을 정도로 너무 많이 빌리는 위험 사이에서 끊임없이 외줄타기를 하고 있습니다. 경제학자들은 한 국가의 총 부채와 경제 규모 사이의 비율인 특정 수치를 면밀히 주시합니다. 이 수치가 너무 높게 치솟으면 위기의 신호가 될 수 있으며, 이는 저축의 손실, 경제 정체, 또는 신뢰의 붕괴로 이어질 수 있습니다. 미래는 뜻밖의 일들로 가득 차 있기 때문에, 이 비율이 미래에 위험한 선을 넘을지 예측하는 것은 매우 어렵습니다. 이자율이 급등하거나, 경제 성장이 멈추거나, 예상치 못한 정치적 사건이 시장을 흔들 수도 있습니다. 이러한 불확실성을 관리하기 위해, 분석가들은 전통적으로 수천 번의 컴퓨터 시뮬레이션을 실행하며, 본질적으로 디지털 주사위를 수백만 번 던져 부채 비율이 안전 임계치를 얼마나 자주 돌파하는지 확인합니다. 그러나 이 방법은 느립니다. 매우 정밀한 답을 얻으려면 컴퓨터가 엄청나게 많은 시뮬레이션을 실행해야 하며, 원하는 정확도가 높아질수록 소요되는 시간은 급격히 증가합니다.

최근에는 양자 물리학의 기묘한 법칙을 사용하는 새로운 종류의 컴퓨터가 이러한 유형의 문제들을 훨씬 더 빠르게 해결할 수 있다고 약속하고 있습니다. 이러한 기계들은 가능성들을 하나씩 확인하는 대신, 동시에 많은 가능성을 탐색하고 특정 수학적 기법을 사용하여 정답은 증폭시키고 오답은 상쇄할 수 있습니다. 양자 진폭 추정(quantum amplitude estimation)이라고 알려진 이 기술은 이론적으로 연구자들이 표준 컴퓨터가 필요로 하는 것보다 훨씬 적은 단계로 희귀한 사건의 확률을 찾아낼 수 있게 해줍니다. 이것이 모든 금융 예측 문제에 대한 해결책처럼 들릴 수도 있지만, 이러한 기계를 구축하는 현실은 복잡합니다. 현재 이 기계들은 취약하고, 오류가 발생하기 쉬우며, 프로그래밍하기 어렵습니다. 남은 큰 질문은, 우리가 실제로 실세계의 경제 모델을 가져와 이를 양자 언어로 번в역하고, 기계가 실수를 저지르기 전에 신뢰할 수 있는 답을 얻어내는 작동 가능한 파이프라인을 구축할 수 있느냐는 것입니다.

트루아 리비에르 대학교(University of Quebec in Trois-Rivières)의 연구팀은 이 질문에 답하기 위해 신중하고 단계적인 접근 방식을 취했습니다. 그들은 즉시 거대하고 풀 수 없는 문제를 해결하려고 시도하지 않았습니다. 대신, 그들은 단순화된 국가 부채 모델을 통해 전체 워크플로우를 테스트하기 위한 개념 증명용 파이프라인을 구축했습니다. 그들의 목표는 양자 컴퓨터가 이 특정 작업에 대해 이미 기존 컴퓨터보다 더 낫다는 것을 증명하는 것이 아니라, 금융 이론에서 양자 회로로 가는 경로가 가능하다는 것과 최종 결과값이 타당하다는 것을 보여주는 것이었습니다. 그들은 경제 성장과 차입 비용이라는 두 가지 주요 무작위 요인의 영향을 받아 20년 동안 국가 부채가 진화하는 디지털 모델을 구축했습니다. 그들은 전통적인 방식으로 정확한 답을 계산할 수 있을 만큼 수학을 충분히 단순화했으며, 이는 자신들의 양자 작업을 검증하기 위한 완벽한 기준점 역할을 했습니다.

연구진은 그런 다음 이 단순화된 모델을 양자 컴퓨터가 이해할 수 있는 언어로 번역했습니다. 그들은 경제 성장과 이자율의 다양한 조합을 나타내는 격자점으로 가능한 미래 시나리오들을 나누었습니다. 그들은 이러한 가능성들을 양자 기계에 로드하여, 모든 시나리오가 동시에 존재하는 상태를 만들었습니다. 그다음, 각 시나리오에 대한 최종 부채 비율을 결정하기 위해 이러한 요인들의 효과를 합산하는 가중 계산기 역할을 하는 디지털 회로를 구축했습니다. 회로의 마지막 부분은 게이트키퍼 역할을 하여 부채 비율이 임계 안전 기준인 95퍼센트를 초과하는 시나리오를 표시했습니다. 그런 다음 기계는 이러한 "표시된" 시나리오들의 신호를 증폭시켜 더 쉽게 감지할 수 있도록 일련의 연산을 수행했습니다. 마지막으로, 그들은 최대 우도 진폭 추정(maximum likelihood amplitude estimation)이라는 통계적 방법을 사용하여 이러한 표시된 시나리오들이 얼마나 자주 발생하는지 계산함으로써, 실질적으로 부채 위기의 확률을 측정했습니다.

연구팀이 완벽하고 노이즈가 없는 버전의 양자 컴퓨터에서 시뮬레이션을 실행했을 때, 결과는 놀라울 정도로 정확했습니다. 양자 파이프라인은 부채 비율이 임계치를 초과할 확률을 약 8.18퍼센트로 추정했습니다. 이는 회로가 생성하도록 설계된 값과 거의 완벽하게 일치했으며, 전통적인 수학으로 계산된 정확한 값과도 매우 근접했습니다. 연구진은 기계가 핵심 계산을 수행하는 횟수를 늘림에 따라 추정치의 오차가 표준적인 고전적 속도보다 더 빠르게 감소한다는 것을 관찰했으나, 적합된 스케일링 기울기는 -0.85로 고전적 속도와 이상적인 양자 속도 사이에 있었습니다. 그들의 테스트에서 결과는 예상된 이차 스케일링 이득(quadratic scaling advantage)과 일치했지만, 저자들은 이 실험이 이러한 점근적 개선을 결정적으로 입증한 것은 아니라고 명시적으로 언급했습니다.

하지만 저자들은 자신들의 성공이 무엇을 의미하고 무엇을 의미하지 않는지에 대해 주의 깊게 설명합니다. 그들이 해결한 문제는 의도적으로 단순했습니다. 모델이 선형이고 불확실성이 완벽하게 매끄러웠기 때문에, 표준 컴퓨터는 폐쇄형 공식(closed-form formula)을 사용하여 이를 즉시 해결할 수 있었으며, 따라서 양자 노력은 이 특정 사례에서 불필요했습니다. 또한, 그들이 예측한 사건은 실제로 희귀한 사건이 아니었습니다. 8퍼센트의 확률은 충분히 흔한 것이어서 양자 가속이 가장 절실히 필요한 종류의 "블랙 스완" 재앙을 나타내지 않습니다. 또한 이 연구는 실제 물리적 양자 기계가 아닌 시뮬레이터에 의존했으므로, 현재 실험용 하드웨어를 괴롭히고 있는 실제 세계의 노이즈와 오류를 겪지 않았습니다. 연구진은 자신들의 작업이 양자 금융의 승전보가 아니라 워크플로우의 시연임을 명시적으로 밝히고 있습니다. 그들은 이 접근 방식이 진정으로 유용해지려면, 비선형 역학 및 단순한 공식으로 해결할 수 없는 다수의 위험 요인을 포함하는 더 복잡한 모델이 필요하다는 점을 인정합니다.

연구팀은 또한 이 기술이 실제 정책 결정에 사용되기 전에 넘어야 할 장애물들을 강조했습니다. 그들이 구축한 양자 회로는 현재 오류 없이 실행하기에는 너무 깊고 복잡합니다. 금융 규칙을 인코딩하는 부분인 "오라클(oracle)"은 시뮬레이션하기에는 저렴하지만, 실제 하드웨어에서 구축하기에는 비용이 많이 들 것입니다. 또한, 이 연구에서 비교 대상으로 사용된 고전적 방법들은 기초적인 것이었으며, 더 발전된 전통적 기법들이 여전히 이러한 유형의 문제들에 대해 양자 접근 방식보다 더 뛰어난 성능을 보일 수 있습니다. 연구진은 자신들의 파이프라인이 작동하고 완벽한 시뮬레이션에서 수학적 타당성이 입증되었지만, 실질적인 이점으로 가는 길은 하드웨어의 상당한 발전과 전통적인 컴퓨터가 한계에 부딪히는 더 복잡하고 현실적인 경제 모델을 향한 움직임이 필요하다고 결론지었습니다. 이 작업은 경제 이론과 양자 컴퓨팅 사이의 가교를 건설할 수 있다는 것을 보여주는 견고한 청사진 역할을 하며, 비록 그 길 위의 공사가 아직 진행 중일지라도 말입니다.