By เคนน่า ฮิวจส์-คาสเซิลเบอร์รี่ โพสต์เมื่อ 30 ก.ย. 2022
จากหลายอุตสาหกรรมที่ควอนตัมคอมพิวติ้งจะได้รับประโยชน์อย่างแน่นอน อุตสาหกรรมการเงินเป็นหนึ่งในอุตสาหกรรมที่ใหญ่ที่สุด “โดยพื้นฐานแล้ว ตอนนี้ธนาคารขนาดใหญ่ทุกแห่งมีทีมควอนตัมของตนเอง” อธิบาย โรมัน โอรุสผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์ของ คอมพิวเตอร์ลิขสิทธิ์บริษัทซอฟต์แวร์ควอนตัมชั้นนำ Orus ยังเป็นศาสตราจารย์ด้านการวิจัย Ikerbasque ที่ Donostia International Physics Center (DCIP) ของสเปน ซึ่งเขาได้เขียนบทความเกี่ยวกับ กระดาษ เกี่ยวกับควอนตัมคอมพิวเตอร์และการเงิน “มีสถานที่ต่างๆ มากมายที่คอมพิวเตอร์ควอนตัมสามารถช่วยด้านการเงินได้” Orus กล่าวเสริม
เนื่องจากอุตสาหกรรมการเงินส่วนใหญ่มุ่งเน้นไปที่การวิเคราะห์แหล่งวัตถุดิบขนาดใหญ่ ข้อมูล และการหาข้อสรุปต่างๆ นั้น การคำนวณแบบควอนตัมสามารถปรับปรุงกระบวนการนี้ได้อย่างมาก เนื่องจากควอนตัมคอมพิวเตอร์ใช้อัลกอริทึมเพื่อเรียกใช้การคำนวณหลายรายการพร้อมกัน จึงสามารถให้ผลลัพธ์ในอัตราที่เร็วขึ้น ซึ่งเป็นสิ่งสำคัญสำหรับ การค้าขาย ที่เกิดขึ้นอย่างรวดเร็วในตลาดหุ้น คำตอบที่คอมพิวเตอร์ควอนตัมให้นั้นแตกต่างจากคอมพิวเตอร์แบบคลาสสิกเช่นกัน ทำให้มีข้อได้เปรียบอื่นๆ “เช่นเดียวกับควอนตัมฟิสิกส์ ความน่าจะเป็น มากกว่า กำหนด” อธิบาย ก บทความ 2020 จาก McKinsey & Company "[นี่หมายความว่า] พวกมันสามารถเปลี่ยนแปลงได้แม้ว่าอินพุตจะเหมือนกันก็ตาม" ข้อมูลต่างๆ เหล่านี้มีความสำคัญอย่างยิ่งสำหรับปัญหาการปรับให้เหมาะสม การจำลองทางการเงิน การตรวจจับการฉ้อโกง และการคาดการณ์ตลาด กระบวนการทั้งหมดที่ธนาคารและสถาบันทางการเงินอื่นๆ ใช้ในชีวิตประจำวัน
การอ่านการจำลองแบบมอนติคาร์โล
หนึ่งในการจำลองการปรับให้เหมาะสมที่พบมากที่สุด โดยเฉพาะอย่างยิ่งสำหรับพอร์ตการลงทุนทางการเงินคือ Monte Carlo การจำลอง วิธีนี้ใช้การสุ่มตัวอย่างอินพุตเพื่อแก้ปัญหาทางสถิติ โดยจำลองให้วิธีแก้ปัญหานี้ด้วยภาพ “ในภาคการเงิน การจำลองแบบมอนติคาร์โลเหล่านี้มักใช้สำหรับการทดสอบความเครียดและการประเมินความเสี่ยงด้านเครดิต แต่สิ่งเหล่านี้มีราคาแพง ใช้เวลานาน และต้องใช้แรงม้าในการคำนวณจำนวนมาก” อธิบาย Zapata คอมพิวเตอร์ประธานเจ้าหน้าที่ฝ่ายการตลาด แคเธอรีน ลอนเดอร์แกน. เนื่องจากการจำลองแบบมอนติคาร์โลสามารถใช้อินพุตที่หลากหลาย บริษัทควอนตัมหลายแห่งจึงใช้การทดสอบเทคโนโลยีของตน Zapata Computing บริษัทควอนตัมชั้นนำของตลาดในแคนาดา เพิ่งเผยแพร่ กระดาษ โดยเน้นการใช้สถานการณ์จำลองนี้ในการปรับมูลค่าสินเชื่อ “งานของเรากับ BBVA [ธนาคารระดับโลก] กำลังสำรวจศักยภาพของความได้เปรียบเชิงควอนตัมสำหรับกรณีการใช้งานของมอนติคาร์โล ซึ่งรวมถึงการปรับการประเมินมูลค่าสินเชื่อ (CVA) และการกำหนดราคาอนุพันธ์” Londergan กล่าว “ธนาคารต่างๆ เช่น BBVA กำลังสำรวจวิธีที่จะทำให้การจำลองเหล่านี้ใช้เวลาน้อยลงผ่านคอมพิวเตอร์ควอนตัม”
กระบวนการทางการเงินอื่น ๆ ที่อาจใช้ควอนตัมคอมพิวเตอร์รวมถึงการตรวจจับการฉ้อโกงและการคาดการณ์ตลาด สถาบันการเงินใช้อัลกอริทึมการเรียนรู้ของเครื่องเพื่อช่วยในสถานการณ์เหล่านี้แล้ว แต่ในอนาคตอาจนำมาใช้ การเรียนรู้ของเครื่องควอนตัม เพื่อปรับปรุงสิ่งต่าง ๆ ให้ดียิ่งขึ้น “ด้วยคอมพิวเตอร์ควอนตัม คุณสามารถปรับปรุงอัลกอริทึมการเรียนรู้ของเครื่องได้” Orus กล่าว สำหรับกรณีที่มีการสตรีมข้อมูลแบบสด เช่น ในการทำธุรกรรมที่เป็นการฉ้อโกง การเรียนรู้ของเครื่องควอนตัมอาจสามารถประมวลผลข้อมูลได้ในอัตราที่เร็วขึ้น ซึ่งช่วยให้กระบวนการทางการเงินมีความปลอดภัยและมีประสิทธิภาพมากขึ้น
Quantum Annealing และอุตสาหกรรมการเงิน
ในขณะที่ควอนตัมคอมพิวติ้งจะเป็นประโยชน์ต่ออุตสาหกรรมการเงินอย่างไม่ต้องสงสัย แต่การหลอมด้วยควอนตัมโดยเฉพาะจะมีบทบาทสำคัญของตัวเอง “Quantum annealing เป็นแบบจำลองเฉพาะของการคำนวณควอนตัม” Orus อธิบายว่า “[So, it's] สร้างขึ้นเพื่อแก้ปัญหาเฉพาะปัญหาเดียวเท่านั้น ซึ่งก็คือ การเพิ่มประสิทธิภาพ. ดังนั้น คุณอาจมีฟังก์ชันต้นทุนที่คุณต้องลดความเสี่ยง เช่น ความเสี่ยงของพอร์ตสินทรัพย์ เป็นต้น นี่คือประเภทของปัญหาที่คุณสามารถแก้ไขได้ด้วยการหลอมด้วยควอนตัม” บริษัทเช่น D-คลื่น หรือ Lockheed Martin กำลังพัฒนาเครื่องหลอมควอนตัมอยู่แล้ว ซึ่งหลายๆ เครื่องอาจนำไปใช้โดยสถาบันการเงิน เนื่องจากปัญหามากมายในอุตสาหกรรมการเงินเกี่ยวข้องกับการเพิ่มประสิทธิภาพ เครื่องหลอมควอนตัมจะเพิ่มประโยชน์ให้กับแอปพลิเคชันที่หลากหลายมากกว่าที่คาดไว้ “แม้แต่การจำลองแบบจำลองทางเศรษฐศาสตร์บางอย่าง คุณก็สามารถทำได้ผ่านการหลอมด้วยควอนตัม” Orus กล่าวเสริม “ตัวอย่างเช่น การหาดุลยภาพทางเศรษฐกิจ ซึ่งเป็นเพียงปัญหาในการเพิ่มประสิทธิภาพ”
แม้ว่าควอนตัมคอมพิวเตอร์จะเพิ่มข้อได้เปรียบมากมายให้กับภาคการเงิน แต่ก็ยังมีหลายขั้นตอนก่อนที่เทคโนโลยีนี้จะถูกนำมาใช้อย่างแพร่หลายมากขึ้น “การมองหาข้อได้เปรียบที่เพิ่มขึ้นด้วยคอมพิวเตอร์ควอนตัมในด้านการเงินจะเป็นเรื่องที่ท้าทาย” Londergan กล่าว “เราพบว่าลูกค้าทางการเงินของเรามีความก้าวหน้าอย่างมากในการควบคุมพลังของ AI และ ML ดังนั้นเราจึงร่วมมือกันในกรณีการใช้งานระยะใกล้ซึ่งเราจะได้รับข้อได้เปรียบที่เพิ่มขึ้น” แม้ว่าการได้รับข้อได้เปรียบนี้อาจต้องใช้เวลาสักระยะ ผู้เชี่ยวชาญคนอื่นๆ เช่น Orus กำลังมองหาความท้าทายบางอย่างที่อุตสาหกรรมควอนตัมต้องเผชิญในทันที "ผมคิดว่าความพ่ายแพ้หลักคือการพัฒนาฮาร์ดแวร์" เขากล่าว “โปรเซสเซอร์ที่เรามีอยู่ในปัจจุบันยังมีขนาดค่อนข้างเล็กและมีเสียงดัง” เมื่อฮาร์ดแวร์ได้รับการปรับปรุงและสามารถปรับขนาดได้ หวังว่าเทคโนโลยีที่เป็นนวัตกรรมใหม่นี้จะนำไปใช้ได้ง่ายขึ้น
แต่ยังมีขั้นตอนที่สถาบันการเงินจะต้องดำเนินการเพื่อนำควอนตัมคอมพิวติ้งมาใช้ ดังที่ Londergan อธิบายว่า “เพื่อให้ประสบความสำเร็จในการนำควอนตัมไปใช้ สถาบันการเงินจะต้องมีโมดูลาร์ที่ยืดหยุ่น และมีแนวทางที่เข้ากันได้ในอนาคตสำหรับการสร้างแอปพลิเคชันที่เปิดใช้งานควอนตัม ซึ่งหมายความว่าอัลกอริทึม สตรีมข้อมูล และแบ็คเอนด์ฮาร์ดแวร์ควอนตัมคลาสสิกสามารถสลับเข้าและออกได้อย่างง่ายดาย โดยไม่ต้อง 'ฉีกและแทนที่' ของโครงสร้างพื้นฐานด้านคอมพิวเตอร์” ควบคู่ไปกับความคิดที่ยืดหยุ่นนี้ ธนาคารและสถาบันอื่น ๆ อาจจำเป็นต้องเปลี่ยนไทม์ไลน์เมื่อพวกเขานำเทคโนโลยีนี้ไปใช้ เนื่องจากอาจใช้เวลาสักระยะหนึ่ง “มันคุ้มค่าที่จะบอกว่า Zapata เชื่อว่าการจำลองขนาดใหญ่ เช่น กรณีการใช้งานของ Monte Carlo เหล่านี้ มีอายุเกินทศวรรษไปแล้ว” Londergan กล่าวเสริม
ผู้เชี่ยวชาญคนอื่น ๆ เช่น Orus เชื่อว่าการนำคอมพิวเตอร์ควอนตัมมาใช้อย่างแพร่หลายนั้นใกล้เข้ามาแล้ว “มันเริ่มเข้าสู่อุตสาหกรรมแล้ว” Orus กล่าว “เรากำลังเริ่มค้นหากรณีการใช้งานในชีวิตจริงเป็นครั้งแรก ดังนั้นฉันจะบอกว่าในอีกสองสามปีข้างหน้า ธนาคารขนาดใหญ่ส่วนใหญ่จะมีโซลูชันควอนตัมในการผลิตเป็นอย่างน้อย”
Kenna Hughes-Castleberry เป็นนักเขียนที่ Inside Quantum Technology และ Science Communicator ที่ JILA (ความร่วมมือระหว่าง University of Colorado Boulder และ NIST) จังหวะการเขียนของเธอมีทั้ง Deep Tech, Metaverse และเทคโนโลยีควอนตัม
