Story
JPMorgan dan Amazon Rilis Terobosan Komputasi Kuantum untuk Optimisasi Keuangan
JPMorgan Chase dan Amazon Advanced Solutions Lab telah mengumumkan program penelitian bersama yang berfokus pada penerapan teknologi kuantum untuk masalah optimisasi yang kompleks di sektor keuangan. Kolaborasi ini telah menghasilkan tiga makalah penelitian yang memperkenalkan perangkat untuk memecahkan masalah skala besar pada perangkat keras kuantum Rydberg.
Kolaborasi Kuantum untuk Keuangan
Penelitian ini mengeksplorasi penggunaan perangkat kuantum sebagai *co-processor* yang bekerja bersama dengan pemecah masalah klasik, sebuah pendekatan hibrida. Fokus utamanya adalah pada mesin kuantum atom netral analog berbasis atom Rydberg. Eksperimen dilakukan pada perangkat kuantum Aquila dari QuEra, yang tersedia melalui platform Amazon Braket, dengan menggunakan hingga 231 kubit.
Para peneliti mengembangkan metode baru yang menunjukkan kemajuan signifikan dalam mengatasi tantangan komputasi yang telah lama ada di dunia keuangan, seperti alokasi aset dan manajemen risiko.
Terobosan dalam Optimisasi Portofolio
Salah satu makalah penelitian utama membahas masalah optimisasi dan penyeimbangan kembali portofolio. Tim peneliti berhasil menciptakan *pipeline* dekomposisi yang secara signifikan mengurangi ukuran masalah optimisasi portofolio di dunia nyata.
AdBeberapa hasil utamanya meliputi:
- Ukuran masalah berkurang sekitar 80% dengan tetap menjaga kualitas solusi.
- Waktu yang dibutuhkan untuk mencapai solusi (*time-to-solution*) berkurang 3x lipat untuk masalah optimisasi portofolio skala besar yang melibatkan hingga 1.500 variabel.
Peningkatan Efisiensi dan Algoritma Hibrida
Makalah kedua memperkenalkan *toolkit* kompilasi kuantum yang secara drastis mengurangi kebutuhan kubit untuk grafik dunia nyata. Sebagai contoh, grafik sitasi Cora yang sebelumnya membutuhkan sekitar 29 juta kubit kini dapat diatasi hanya dengan puluhan kubit menggunakan pendekatan baru ini.
Makalah ketiga menyajikan qReduMIS, sebuah algoritma hibrida kuantum-klasik. Dalam eksperimen pada perangkat Aquila, algoritma ini menunjukkan tingkat keberhasilan rata-rata di atas 89% pada contoh masalah yang sulit. Perkembangan ini menandai langkah penting menuju aplikasi praktis komputasi kuantum dalam analisis keuangan, yang berpotensi menawarkan efisiensi yang belum pernah terjadi sebelumnya untuk model keuangan yang paling menantang.