By Kenna Hughes-Castleberry lagt ut 30. september 2022
Av de mange bransjene som kvantedatabehandling garantert vil dra nytte av, er finansnæringen en av de største. "I hovedsak har alle store banker nå sitt eget kvanteteam," forklarte Roman Orus, medgründer og Chief Scientific Officer av Multiverse databehandling, et ledende selskap for kvanteprogramvare. Orus er også Ikerbaskisk forskningsprofessor ved Spanias Donostia International Physics Center (DCIP), hvor han skrev en innflytelsesrik papir om kvanteberegning og finans. "Det er mange forskjellige steder hvor kvanteberegning kan hjelpe med finans," la Orus til.
Like mye av finansnæringen er fokusert på å analysere store mengder råvarer dato og trekke ulike konklusjoner, kvantedatabehandling kan forbedre denne prosessen betydelig. Ettersom kvantedatamaskiner bruker algoritmer til å kjøre flere beregninger samtidig, kan de produsere resultater i en raskere hastighet, noe som er avgjørende for handel som skjer i et raskt tempo i aksjemarkedene. Svarene som kvantedatamaskiner gir er også unike fra klassiske datamaskiner, og gir andre fordeler. "Som kvantefysikk, er de det sannsynlighets snarere enn determinis", forklarte a 2020 artikkel fra McKinsey& Company. "[Dette betyr] at de kan variere selv når inngangen er den samme." Disse ulike inputene er spesielt viktige for optimaliseringsproblemer, finansielle simuleringer, svindeldeteksjon og markedsprediksjon, alle prosesser som banker og andre finansinstitusjoner bruker på daglig basis.
Leser Monte Carlo-simuleringer
En av de vanligste optimaliseringssimuleringene, spesielt for finansielle porteføljer, er Monte Carlo simulering. Denne metoden bruker et tilfeldig utvalg av input for å løse et statistisk problem, med simuleringen som gir en visuell løsning på dette problemet. "I finanssektoren er disse Monte Carlo-simuleringene ofte brukt til stresstesting og kredittrisikovurdering, men de er kostbare, tidkrevende og krever mye datakraft," forklarte Zapata Computingsin markedssjef Katherine Londergan. Fordi Monte Carlo-simuleringen kan bruke forskjellige input, har den blitt brukt av forskjellige kvanteselskaper for å teste teknologien deres. Zapata Computing, et markedsledende kvanteselskap basert i Canada, publiserte nylig en papir fokusert på å bruke denne simuleringen for kredittvurderingsjusteringer. «Vårt arbeid med BBVA [en global bank] utforsker potensialet for kvantefordeler for Monte Carlo-brukstilfeller, inkludert kredittvurderingsjustering (CVA) og derivatprising," sa Londergan. "Banker, som BBVA, utforsker aktivt måter å gjøre disse simuleringene mindre tidkrevende gjennom kvantedatamaskiner."
Andre økonomiske prosesser som kvanteberegning kan brukes for å inkludere svindeldeteksjon og markedsspådommer. Finansinstitusjoner bruker allerede maskinlæringsalgoritmer for å hjelpe i disse situasjonene, men kan i fremtiden ta i bruk kvantemaskinlæring å forbedre ting enda mer. "Med kvantedatamaskinen kan du forbedre maskinlæringsalgoritmer," sa Orus. For saker med direkte datastrømmer, for eksempel i uredelige transaksjoner, kan kvantemaskinlæring være i stand til å behandle dataene i en raskere hastighet, noe som bidrar til å holde økonomiske prosesser mer sikre og effektive.
Kvanteglødning og finansindustrien
Mens kvantedatabehandling uten tvil vil være til fordel for finansindustrien, vil kvanteutglødning spesifikt spille sin egen viktige rolle. "Kvanteglødning er en spesiell modell for kvanteberegning," forklarte Orus, "[Så, den er] bygget for å løse bare ett spesifikt problem, som er optimalisering. Så du kan ha en kostnadsfunksjon du trenger å minimere, for eksempel risikoen for en portefølje av eiendeler. Dette er den typen problem du kan løse med kvanteglødning.» Bedrifter liker D-Wave eller Lockheed Martin utvikler allerede kvanteglødeapparater, hvorav mange kan brukes av finansinstitusjoner. Fordi mange problemer innen finansnæringen involverer optimalisering, vil kvanteglødeapparater gi fordeler til et bredere spekter av applikasjoner enn det som kan forventes. "Selv for simulering av visse økonomiske modeller, kan du også gjøre dette via kvantegløding," la Orus til. "For eksempel å finne økonomisk likevekt, som bare er et optimaliseringsproblem."
Selv om kvantedatabehandling vil gi finanssektoren mange fordeler, er det mange stadier før denne teknologien kan bli mer utbredt tatt i bruk. "Å lete etter inkrementelle fordeler med kvantedatamaskiner innen finans vil være utfordrende," sa Londergan. "Vi har funnet ut at våre finansielle kunder er svært avanserte når det gjelder å utnytte kraften til AI og ML, så vi samarbeider om brukstilfeller på kort sikt hvor vi kan få en inkrementell fordel." Selv om det kan ta litt tid å oppnå denne fordelen, ser andre eksperter som Orus på noen av de umiddelbare utfordringene kvanteindustrien står overfor. "Jeg tror det største tilbakeslaget er utviklingen av maskinvaren," sa han. "Prosessorene vi har i dag er fortsatt av relativt liten størrelse og støyende." Når maskinvaren er forbedret og i stand til å skalere, vil denne innovative teknologien forhåpentligvis være lettere å ta i bruk.
Men det er også skritt som finansinstitusjoner må ta for å ta i bruk kvanteberegning. Som Londergan forklarte: "For å lykkes med å ta i bruk kvante, må finansinstitusjoner være fleksible modulære og ha en fremadkompatibel tilnærming for å bygge kvanteaktiverte applikasjoner. Dette betyr at algoritmer, datastrømmer og kvanteklassiske maskinvare-backends enkelt kan byttes inn og ut – uten en "rip and replace" av datainfrastruktur." Sammen med denne fleksible tankegangen kan det hende at banker og andre institusjoner må endre tidslinjen for når de implementerer denne teknologien, da det kan ta litt tid. "Det er verdt å nevne at Zapata mener at store simuleringer, som disse Monte Carlo-brukssakene, er mer enn et tiår ute," la Londergan til.
Andre eksperter som Orus mener den utbredte bruken av kvantedatabehandling faktisk er mye nærmere. "Det begynner allerede å trenge inn i bransjen," sa Orus. "Vi begynner å finne de første virkelige brukssakene. Så jeg vil si at i løpet av de neste to, tre årene vil et stort flertall av de store bankene ha i det minste en kvanteløsning i produksjon.»
Kenna Hughes-Castleberry er stabsskribent ved Inside Quantum Technology og Science Communicator ved JILA (et partnerskap mellom University of Colorado Boulder og NIST). Skriverytmene hennes inkluderer dypteknologi, metaverset og kvanteteknologi.
