JP모건-아마존, 금융 최적화 문제 해결 위한 양자 컴퓨팅 툴 공동 개발

JP모건 체이스와 아마존 어드밴스드 솔루션 랩이 금융 분야의 복잡한 최적화 문제에 양자 기술을 적용하기 위한 공동 연구 프로그램의 성과를 발표했습니다. 양사는 이번 협력을 통해 초기 단계의 양자 하드웨어에서 대규모 최적화 문제를 해결할 수 있는 도구를 제시하는 3편의 연구 논문을 공개했습니다.

주요 연구 성과

이번 연구는 양자 장치를 기존의 고전적인 컴퓨터와 함께 보조 프로세서로 활용하는 하이브리드 방식에 중점을 두었습니다. 발표된 주요 성과는 다음과 같습니다.

• 포트폴리오 최적화: 실제 포트폴리오 최적화 문제의 규모를 솔루션의 품질 저하 없이 약 80% 축소하는 분해 파이프라인을 개발했습니다. 이를 통해 최대 1,500개 변수를 포함하는 대규모 포트폴리오 최적화 문제의 해결 시간을 3배 단축했습니다.
• 큐비트 요구량 감소: 리드버그 원자 배열에서 최대 독립 집합(maximum independent set) 문제를 풀기 위한 양자 컴파일 툴킷을 도입했습니다. 이 툴킷은 기존 방식으로는 약 2,900만 개의 큐비트가 필요했던 문제를 수십 개의 큐비트만으로 해결할 수 있도록 요구량을 획기적으로 줄였습니다.
• 하이브리드 알고리즘: 양자 컴퓨터를 보조 프로세서로 사용하는 하이브리드 양자-고전 알고리즘 'qReduMIS'를 선보였습니다. 이 알고리즘은 아마존 브라켓(Amazon Braket)을 통해 접근 가능한 QuEra의 아퀼라(Aquila) 장치에서 실험한 결과, 어려운 문제 사례에 대해 평균 89% 이상의 성공률을 보였습니다.

Ad

기술적 배경 및 시장 영향

연구진은 리드버그 원자(Rydberg atoms) 기반의 아날로그 중성원자 양자 컴퓨터에 맞춰 도구를 설계했으며, 아마존 브라켓에서 제공되는 QuEra의 아퀼라 양자 장치를 이용해 최대 231개 큐비트로 실험을 수행했습니다.

이번 협력은 거대 금융 기관과 빅테크 기업이 양자 컴퓨팅 기술을 이론적 연구에서 실제 금융 문제 해결을 위한 실용적 도구로 발전시키려는 노력을 보여줍니다. 비록 상업적 규모의 양자 우위가 아직은 먼 미래의 일이지만, 이번 성과는 포트폴리오 재조정, 리스크 관리 등 복잡한 금융 전략을 최적화하는 데 있어 잠재적인 경쟁 우위를 확보하기 위한 중요한 진전으로 평가됩니다.