[논문 리뷰] Quantum Machine Learning for Finance

Marco Pistoia, Syed Farhan Ahmad외 11명|arXiv (Cornell University)|2021. 09. 09.

Quantum Computing Algorithms and Architecture참고 문헌 137인용 수 11

한 줄 요약

이 논문은 금융 응용 분야에 맞춘 양자 기계학습(QML) 알고리즘을 검토하며, 회귀, 분류, 군집, 생성 모델링, 특징 추출, 순차적 의사결정, 자연어 처리(NLP)를 중심으로 다룹니다. 양자 알고리즘이 선형 대수를 다루는 작업에서 고전적 방법에 비해 다항식 또는 잠재적으로 지수적 속도 향상을 제공할 수 있음을 입증하며, 특히 NISQ 시대의 데이터 로딩 및 하드웨어 제약과 같은 실용적 과제도 다룹니다.

ABSTRACT

Quantum computers are expected to surpass the computational capabilities of classical computers during this decade, and achieve disruptive impact on numerous industry sectors, particularly finance. In fact, finance is estimated to be the first industry sector to benefit from Quantum Computing not only in the medium and long terms, but even in the short term. This review paper presents the state of the art of quantum algorithms for financial applications, with particular focus to those use cases that can be solved via Machine Learning.

연구 동기 및 목표

• 금융 용도에 적용 가능한 최신 기술의 양자 알고리즘을 조사하는 것, 특히 기계학습을 통해 해결할 수 있는 사례에 중점을 둡니다.
• NISQ 하드웨어의 제약에도 불구하고 다항식 또는 지수적 속도 향상이 달성될 수 있는 금융 응용 분야를 특정하는 것.
• 일般적인 양자 기계학습 연구와 금융 분야에 특화된 구현 간 격차를 메우는 것, 특히 문헌이 부족한 분야에 초점을 맞춥니다.
• 데이터 로딩, 출력 읽기, 알고리즘적 병목 현상 등을 고려할 때 금융 분야에 양자 기계학습을 구현하는 실용적 타당성을 분석하는 것.
• NISQ 시대 및 그 이후 금융 서비스 분야에서 양자 기계학습을 도입하기 위한 로드맵 제공

제안 방법

• 일반적인 조건 하에서 복잡도가 Õ(log N)으로 스케일링되는 선형방정식 시스템을 위한 HHL 유형의 해법을 포함한 선형 대수를 위한 양자 알고리즘 조사.
• 양자 상태 준비 및 확률 증폭 기법을 활용해 L2 회귀, 분류, 군집과 같은 지도 학습 작업에 양자 알고리즘 적용.
• 문장 유사도 및 감성 분석과 같은 NLP 작업에 적합한 변동형 양자 회로(VQCs)와 매개변수화된 양자 회로(PQCs)를 적응시켜 NISQ 기반 처리를 가능하게 함.
• 고차원 금융 데이터에서 계산 오버헤드를 줄이기 위해 양자 강화 특징 추출 및 차원 축소 기법 통합.
• 금융 분야의 NLP에서 유사도 계산을 가속화하기 위해 양자 근접 이웃 알고리즘 사용으로 고전적 O(NM) 대비 O(√(MN) log M) 복잡도 달성.
• 고전적 기계학습 파이프라인을 양자 등가물로 매핑하여 실제 금융 워크로드, 예를 들어 신용 리스크 평가, 금융 예측, 사기 탐지에서의 양자 속도 향상 영향 평가.

실험 결과

연구 질문

• RQ1 어떤 금융 기계학습 작업이 양자 속도 향상에 가장 적합하며, 어떤 조건에서 지수적 또는 다항식 속도 향상이 달성될 수 있는가?
• RQ2 NISQ 장치의 하드웨어 제약(예: 큐비트의 공명 수명, 노이즈, 데이터 로딩 제약)이 금융 분야의 실용적 양자 기계학습 구현에 어떤 영향을 미치는가?
• RQ3 기존의 일반적인 양자 기계학습 알고리즘이 포트폴리오 최적화, 리스크 모델링, 신용 평가와 같은 특정 금융 용도에 얼마나 잘 적응될 수 있는가?
• RQ4 금융 분야의 종단 간 양자 기계학습 파이프라인에서 주요 병목 현상은 무엇이며, 알고리즘적 또는 아키텍처 혁신으로 어떻게 완화할 수 있는가?
• RQ5 DisCo 프레임워크나 양자 CSC 모델과 같은 양자 NLP 기법이 감성 탐지나 이면 탐지와 같은 금융 텍스트 분석 작업에서 고전적 방법을 능가할 수 있는가?

주요 결과

• HHL 기반의 선형 시스템을 위한 양자 알고리즘은 특정 조건 하에서 회귀 문제를 Õ(log N) 시간에 해결할 수 있어 고전적 O(N) 방법에 비해 잠재적으로 지수적 속도 향상을 제공한다.
• L2 회귀의 경우, Wang의 알고리즘은 다항식(log N, d, κ, 1/ε) 시간 내에 고전적 해를 복구할 수 있어 데이터 처리 서브루틴에서 중요한 다항식 속도 향상을 나타낸다.
• DisCo 프레임워크 내의 양자 근접 이웃 알고리즘과 같은 양자 NLP 기법은 문장을 M개의 클래스로 분류하는 데 O(√(MN) log M) 시간이 소요되며, 고전적 O(NM) 복잡도를 능가한다.
• 변동형 양자 회로는 금융 텍스트와 언어적 구조를 효율적으로 인코딩할 수 있어 NISQ 장치에서의 양자 NLP를 실현 가능하게 한다.
• 이론적 속도 향상에도 불구하고, 데이터 로딩(QRAM 요구 사항 등) 및 출력 상태 읽기 과정에서의 도전 과제로 인해 실용적 양자 우월성은 제한되어 있으며, 이는 종종 양자 상태의 O(d) 복제가 필요하기 때문이다.
• 신용 리스크 평가, 금융 예측, 사기 탐지 분야에서는 양자 강화 NLP 및 군집 기법을 활용할 경우 양자 가속화의 강력한 잠재력이 나타난다.