양자 베이지안 추론: 탐구

[이매진]

양자 베이지안 추론: 탐구

https://www.bis.org/publ/work1342.htm

Quantum Bayesian inference: an exploration

work1342 (1).pdf

969.33KB

요약집중하다

본 연구에서는 양자 물리학의 원리에 기반한 컴퓨팅 방식인 양자 컴퓨팅이 베이지안 추론(사전 지식과 새로운 데이터를 바탕으로 믿음을 업데이트하고 예측하는 접근 방식)에 어떻게 적용될 수 있는지 살펴봅니다. 양자 컴퓨팅은 엔지니어와 컴퓨터 과학자들이 주도하고 있지만, 베이지안 추론은 통계학자와 계량경제학자들이 연구합니다. 이러한 학문 분야 간의 격차를 해소하기 위해서는 핵심 개념을 여러 분야에 걸쳐 적용하는 것이 중요합니다.

기부금

본 논문에서는 경제학자를 위해 양자 컴퓨팅에 대해 간략하게 설명합니다. 이어서 새로운 데이터와 사전 지식을 바탕으로 가능한 결과를 단계적으로 추정하는 사후 샘플링 기법을 수행하는 양자 알고리즘의 개념 증명 버전을 제시합니다. 파이썬 프로그래밍 언어의 Qiskit 패키지를 사용한 코드 목록을 통해 이를 보여줍니다. 본 알고리즘은 양자적 특성을 활용하여 업데이트된 확률을 표현하고 베이지안 추론을 위한 무작위 샘플을 생성합니다.

연구 결과

양자 컴퓨팅은 아직 초기 단계에 있습니다. 원칙적으로 새로운 계산 성과를 달성할 가능성이 매우 크며, 하드웨어 및 양자 알고리즘의 발전은 물류, 포트폴리오 관리 및 경기 순환 모델링에 적용될 수 있습니다. 본 연구에서 제시하는 접근 방식은 양자 컴퓨팅 시뮬레이션을 통해 베이지안 추론을 수행하는 것이 가능하다는 것을 보여줍니다. 하지만 중요한 점은, 본 방법이 마르코프 체인 몬테카를로(MCMC), 중요도 샘플링 또는 파티클 필터링과 같은 기존 기법보다 빠른 계산 속도를 제공하지는 않는다는 것입니다. 이는 향후 연구가 필요한 영역입니다.

---

추상적인

본 논문은 양자 컴퓨팅을 활용한 베이지안 추론 프레임워크를 소개합니다. 사후 분포 샘플링을 수행하는 양자 알고리즘의 개념 증명을 제시하고, 경제학자들을 위한 양자 컴퓨팅에 대한 접근 가능한 소개와 베이지안 추정을 위한 양자 기반 사후 분포 샘플링의 실제적인 시연을 제공합니다. 본 연구의 핵심 기여는 이산화된 사후 분포에서 샘플을 추출할 수 있는 양자 상태를 준비하는 것입니다. 제안된 접근 방식은 마르코프 체인 몬테카를로(MCMC)와 같은 기존 기법에 비해 계산 속도 향상을 제공하지는 않지만, 양자 컴퓨팅을 이용한 베이지안 추론 시뮬레이션의 가능성을 보여줍니다. 본 연구는 양자 컴퓨팅을 계량경제학 연구 도구에 통합하는 첫걸음이며, 베이지안 추론에 양자 컴퓨팅을 활용하는 데 있어 개념적 가능성과 실질적인 과제  ,   특히  양자 상태 준비와 관련된 과제를 강조합니다 .

JEL 분류: C11, C20, C30, C50, C60

핵심어: 양자 컴퓨팅; 베이지안 추정기; 베이지안 추론; 마르코프 연쇄 몬테카를로(MCMC) 알고리즘; 깁스 샘플링