La computación cuántica financiera se da cuenta de que la “simulación de Montecarlo estará disponible en 5 a 10 años”

Las empresas financieras dependen en gran medida de las simulaciones financieras asistidas por computadora para determinar la compra y la venta. En particular, muchas empresas financieras utilizan la simulación de Monte Carlo para evaluar el riesgo y simular precios. Estas simulaciones también se pueden utilizar en finanzas corporativas o gestión de carteras.
Ⓒ Banco de imágenes de Getty

Sin embargo, las simulaciones de Monte Carlo utilizan enormes recursos informáticos y llevan mucho tiempo porque realizan enormes cantidades de cálculos complejos. Los cálculos financieros que utilizan la metodología Monte Carlo suelen tardar alrededor de un día por cálculo. Esto no es malo para un mercado de bonos relativamente pacífico, pero las transacciones financieras en un mercado más volátil tienden a depender de datos antiguos.

El ritmo está muy por debajo de los estándares del mundo digital, donde otras industrias utilizan datos en tiempo real a diario. La solución es acelerar la velocidad computacional de la simulación de Monte Carlo.

Según la gran empresa de servicios financieros Goldman Sachs y la empresa de computación cuántica QC Wear, es probable que esto sea posible en un futuro próximo. QC Wear, una empresa cuántica como servicio (QaaS), está desarrollando aplicaciones para ejecutarse en hardware de computación cuántica a corto plazo. Los equipos de investigación de los dos socios han desarrollado un nuevo algoritmo cuántico que puede ejecutar simulaciones de Monte Carlo en hardware cuántico, que se espera que esté disponible en 5 a 10 años.

Hay mucho que explicar. Primero, es el hardware de computación cuántica el que se implementará en un futuro próximo. Básicamente, las computadoras cuánticas son susceptibles al ruido ambiental y son propensas a resultados contaminados. Esta es una versión completamente implementada de la computación cuántica que es propensa a defectos y errores. En la práctica, este dispositivo de computación cuántica tiene una alta tasa de error y dará resultados incorrectos después de varios pasos de cálculo.

Afortunadamente, existen algoritmos cuánticos que pueden reducir los errores al realizar simulaciones de Monte Carlo con computadoras cuánticas 1000 veces más rápido que antes. Sin embargo, el hardware cuántico de corrección de errores que estos algoritmos necesitan para ejecutar simulaciones a este ritmo solo puede llegar en 10 a 20 años.

Goldman Sachs y el equipo de investigación de QC Wear intentan encontrar un término medio entre la velocidad de implementación y el rendimiento óptimo de la computación cuántica. En un comunicado de prensa conjunto, las dos empresas dijeron: “Al sacrificar algo de velocidad de 1.000 a 100 veces, el equipo de investigación creó el algoritmo Shallow Monte Carlo. “Este algoritmo se puede ejecutar en computadoras cuánticas que se espera que estén disponibles en 5 a 10 años”.

En conclusión, las simulaciones de Monte Carlo, que son más rápidas que antes, en un futuro cercano y medio, se pueden utilizar para transacciones financieras. Además de las empresas financieras, se harán los mismos intentos en áreas donde se espera que la computación cuántica traiga efectos innovadores, como instituciones médicas, inteligencia artificial, logística, manufactura y seguridad nacional.

Si las empresas aprovechan la capacidad de la computación cuántica para aumentar exponencialmente la velocidad de la computación, obtendrán una ventaja competitiva significativa, como innovar más rápido, responder más rápidamente a los cambios del mercado y hacer negocios de manera más eficiente.

Mientras tanto, el Laboratorio Nacional Miros Alamos dijo que está utilizando el aprendizaje automático para desarrollar algoritmos que utilizan el aprendizaje automático para hacer que las computadoras cuánticas sean menos susceptibles al ruido ambiental. En su informe, el instituto demostró que este método de “funcionamiento de circuitos sensibles al ruido” reduce la tasa de error a la mitad o un tercio. El físico cuántico del laboratorio y autor principal del informe, Patrick Coles, explicó que el enfoque de aprendizaje automático es similar a una vacuna que entrena el sistema inmunológico. El aprendizaje automático hace que los algoritmos cuánticos sean resistentes a los ruidosos procesos de ciertas computadoras cuánticas. [email protected]


Source: ITWorld Korea by www.itworld.co.kr.

*The article has been translated based on the content of ITWorld Korea by www.itworld.co.kr. If there is any problem regarding the content, copyright, please leave a report below the article. We will try to process as quickly as possible to protect the rights of the author. Thank you very much!

*We just want readers to access information more quickly and easily with other multilingual content, instead of information only available in a certain language.

*We always respect the copyright of the content of the author and always include the original link of the source article.If the author disagrees, just leave the report below the article, the article will be edited or deleted at the request of the author. Thanks very much! Best regards!