محاسبات کوانتومی چه تأثیری بر صنعت مالی خواهد داشت؟

به گزارش پایگاه خبری ارز دیجیتال موبو ارز،

محاسبات کوانتومی این پتانسیل را دارد که با حل سریعتر مشکلات پیچیده، بهبود مدیریت ریسک و افزایش اقدامات امنیت سایبری، انقلابی در امور مالی ایجاد کند.

چه چیزی محاسبات کوانتومی را به یک شمشیر دولبه برای رمزنگاری تبدیل می کند؟

رمزنگاری و فناوری بلاک چین از محاسبات کوانتومی مصون نیستند. با این حال، جهت همچنان مشکوک است.

محاسبات کوانتومی هم تهدیدها و هم فرصت هایی را برای رمزنگاری ایجاد می کند. در حالی که پتانسیل شکست بسیاری از روش‌های رمزگذاری فعلی را دارد، همچنین پتانسیل ایجاد روش‌های جدید و ایمن‌تر را دارد که در برابر حمله رایانه‌های سنتی مقاوم هستند.

QC به طور تصاعدی سریعتر از رایانه های سنتی است. این بدان معناست که شما می توانید به سرعت مسائل ریاضی را حل کنید که برای رایانه های معمولی سال ها، دهه ها یا حتی صدها سال طول می کشد. این شامل مشکلات ریاضی زیربنای بسیاری از طرح های رمزنگاری مورد استفاده برای ایمن سازی ارتباطات و تراکنش های دیجیتال می شود.

به عنوان مثال، الگوریتم Shor را می توان برای فاکتورسازی موثر اعداد بزرگ که زیربنای بسیاری از الگوریتم های رمزنگاری کلید عمومی مانند RSA هستند، استفاده کرد (مخفف نام نویسنده است، Rivest- اشاره به Shamir-Adleman دارد).

با این حال، رمزنگاری کوانتومی همچنین می‌تواند برای ایجاد روش‌های رمزنگاری جدید که امنیت بیشتری نسبت به روش‌های سنتی دارند، استفاده شود. به عنوان مثال، توزیع کلید کوانتومی روشی برای تولید و توزیع کلیدهای خصوصی بین دو طرف است که می تواند از محرمانه بودن و یکپارچگی اطلاعات مبادله شده اطمینان حاصل کند، حتی اگر یک موجود مخرب ارتباط را رهگیری کند.

ویژگی های ذکر شده باعث ایجاد ابهام در آینده QC در فناوری بلاک چین می شود. این می‌تواند روش‌های رمزنگاری فعلی مورد استفاده در زنجیره‌های بلوکی را شکسته و امنیت دارایی‌ها و تراکنش‌های دیجیتال را به خطر بیندازد. همزمان، محققان در حال کار بر روی توسعه روش‌های رمزنگاری بلاک چین ایمن کوانتومی برای مبارزه با این تهدید هستند، مانند رمزنگاری کلید عمومی CRYSTALS-Kyber IBM. علاوه بر این، QC می‌تواند زنجیره‌های بلوکی را با بهبود سرعت پردازش و مقیاس‌پذیری بهبود بخشد و منجر به تراکنش‌های کارآمدتر و ایمن‌تر شود.

مزایای محاسبات کوانتومی برای صنعت مالی چیست؟

صنعت مالی نسبت به محاسبات کوانتومی خوشبین است. وظایفی مانند بهینه سازی پورتفولیو، مدیریت ریسک و قیمت گذاری دارایی فرصت های خوبی برای ذینفع شدن دارند.

الگوریتم های Grover و Shor را می توان برای بهینه سازی پورتفولیو به کار برد. بهینه‌سازی پرتفوی شامل یافتن ترکیب بهینه سرمایه‌گذاری برای به حداکثر رساندن بازده و در عین حال به حداقل رساندن ریسک است. این فناوری نه تنها محاسبات سریع‌تر و دقیق‌تری را ارائه می‌کند، بلکه استراتژی‌های بهینه‌سازی انعطاف‌پذیرتری را نیز امکان‌پذیر می‌کند که طیف وسیع‌تری از عوامل از جمله عوامل محیطی، اجتماعی و حاکمیتی را در نظر می‌گیرد.

مثال دیگر قیمت گذاری دارایی است. قیمت گذاری دارایی فرآیند تخمین ارزش دارایی های مالی مانند سهام، اوراق قرضه و مشتقات است. روش های سنتی قیمت گذاری دارایی های مالی بر مدل های پیچیده ریاضی مانند شبیه سازی مونت کارلو تکیه دارند. شبیه سازی مونت کارلو تعداد زیادی از نتایج ممکن را برای یک دارایی مالی مشخص شبیه سازی می کند و از این شبیه سازی ها برای تخمین ارزش آن استفاده می کند. کوانتوم مونت کارلو (QMC) می‌تواند ابزارهای مالی پیچیده را با بازده غیرخطی، به عنوان مثال گزینه‌ها، مدیریت کند.

در اینجا یک سوال چند میلیارد دلاری وجود دارد: آیا رایانه‌های کوانتومی می‌توانند بازار سهام را پیش‌بینی کنند؟ QCها ممکن است در برخی وظایف مدل‌سازی مالی از رایانه‌های کلاسیک بهتر عمل کنند، اما نمی‌توانند بازار سهام را به طور کامل پیش‌بینی کنند. پیش‌بینی دقیق بعید است. علاوه بر این، مانند هر فناوری جدید، محاسبات کوانتومی چالش‌ها و محدودیت‌های خاص خود را دارد که قبل از رسیدن به پتانسیل کامل خود در کاربردهای مالی، باید برطرف شوند.

بسیاری از شرکت های خدمات مالی امید زیادی به تأثیر QC بر مدیریت ریسک دارند. این شامل شناسایی، ارزیابی و اولویت بندی ریسک ها و اتخاذ گام هایی برای کاهش یا مدیریت آن ریسک ها می شود. هر مرحله شامل مدل‌سازی و شبیه‌سازی ریاضی برای پیش‌بینی نتایج ریسک است، فرآیندی که زمان و دقت نقش مهمی در آن ایفا می‌کند. امنیت سایبری بخش مهمی از مدیریت ریسک است که با فعال کردن روش‌های رمزگذاری پیشرفته‌تر می‌توان آن را افزایش داد.

رمزگذاری به ابزار مهمی برای محافظت از اطلاعات محرمانه از دسترسی غیرمجاز در صنعت بانکداری تبدیل شده است. برای ایمن سازی کانال های ارتباطی بین سیستم های بانکی، وب سایت ها و برنامه های تلفن همراه و محافظت از داده ها در سرورها، پایگاه های داده و نسخه های پشتیبان استفاده می شود. علاوه بر این، رمزنگاری برای اطمینان از صحت اسناد و تولید امضاهای دیجیتالی استفاده می شود که به جلوگیری از تغییر یا دستکاری غیرمجاز در اسناد محرمانه کمک می کند.

چرا ادغام کامپیوترهای کوانتومی با فناوری موجود اینقدر دشوار است؟

علیرغم پتانسیل بالای QC، این فناوری و کاربرد آن باید بر چندین مانع دشوار غلبه کند.

دستکاری کیوبیت ها یک کار علمی بسیار دشوار است. زیرا باید در حالت کوانتومی کنترل شده جدا شود. این بسیار شکننده است. تغییرات کوچک در محیط فیزیکی (ارتعاش یا دما) می تواند باعث ایجاد عدم تعادل شود، که فروپاشی برهم نهی است. اقدامات احتیاطی پیچیده ای مانند یخچال های فوق خنک، عایق ها و محفظه های خلاء برای جلوگیری از نامتعادل شدن سیستم مورد نیاز است.

یکی دیگر از جنبه های چالش این است که، به عنوان یک پارادایم متفاوت، QC نه تنها به سخت افزار و نرم افزار کاملا جدید، بلکه به راه حل های الگوریتمی نیز نیاز دارد. مقالات متعددی در مورد پتانسیل QC در یادگیری ماشینی، هوش مصنوعی یا رمزنگاری بحث می‌کنند. کمتر تاکید شده است که نه تنها به معنای استفاده از QC برای اجرای الگوریتم‌های طراحی‌شده برای رایانه‌های کلاسیک (بهبود کوانتومی)، بلکه ساخت الگوریتم‌های کاملاً جدید است که از قابلیت‌های QC بهره‌برداری می‌کنند.

QC در بانکداری می تواند یک تغییر دهنده بازی باشد زیرا می تواند سرعت و حجم محاسبات و تراکنش ها را دو برابر کند. با این حال، موسسات مالی مختلف به تازگی آزمایش الگوریتم‌های کوانتومی خود را آغاز کرده‌اند و محدودیت‌های احتمالی آنها هنوز مشخص نیست.

نمونه ای از الگوریتم کوانتومی الگوریتم گروور است که می تواند برای جستجوی پایگاه های داده بزرگ و بدون ساختار داده های مالی سریعتر از الگوریتم های سنتی استفاده شود. به عنوان مثال، می توان از آن برای جستجوی تراکنش های مالی خاص یا شناسایی الگوها در داده های مالی استفاده کرد. مثال دیگر الگوریتم شور است. این الگوریتم به ما امکان می دهد اعداد بزرگ را سریعتر از الگوریتم های سنتی فاکتور کنیم.

کامپیوتر کوانتومی چیست؟

QC ماشین جدیدی است که می تواند محاسبات را بسیار سریعتر از کامپیوترهای سنتی بر اساس اصول مکانیک کوانتومی انجام دهد.

عبارت QC به نوع جدیدی از ماشین بر اساس اصول مکانیک کوانتومی اشاره دارد. مکانیک کوانتومی شاخه ای از فیزیک است که به رفتار ماده و نور در مقیاس اتمی و زیر اتمی می پردازد. مهمترین ویژگی QC این است که می تواند انواع خاصی از محاسبات را بسیار سریعتر از رایانه های معمولی انجام دهد.

در حالی که کامپیوترهای کلاسیک اطلاعات را در بیت ذخیره و پردازش می کنند، QC از بیت کوانتومی (یا کیوبیت) استفاده می کند. بیت ها اطلاعات را به صورت باینری نشان می دهند و فقط می توانند دو مقدار داشته باشند: ۰ یا ۱. تمام اطلاعاتی که از طریق یک کامپیوتر کلاسیک عبور می کنند، اساساً یک رشته طولانی از صفر و یک هستند.

یک کیوبیت می تواند همزمان در چندین حالت وجود داشته باشد. به این خاصیت برهم نهی می گویند. این بدان معنی است که یک کیوبیت می تواند بسیاری از ترکیبات ممکن از صفر و یک را نشان دهد. بنابراین، می تواند مقادیر بسیار بیشتری از اطلاعات را نسبت به بیت های معمولی مدیریت کند.

یکی دیگر از ویژگی های جالب کیوبیت ها امکان «درهم تنیدگی» است که در آن جفت کیوبیت ایجاد می شود. تغییر وضعیت یکی از جفت ها، وضعیت کیوبیت دیگر را به صورت قابل پیش بینی تغییر می دهد. این ویژگی به QC قدرت خاصی می دهد. افزایش تعداد بیت ها در یک کامپیوتر کلاسیک تأثیر خطی بر قدرت پردازش دارد، در حالی که افزودن کیوبیت های اضافی به یک ماشین کوانتومی قدرت پردازش را به صورت تصاعدی افزایش می دهد.

محاسبات کوانتومی چگونه می تواند به صنعت مالی کمک کند؟

QC فقط در مرحله توسعه است. آزمایش‌ها قبلاً پتانسیل زیادی در صنعت مالی نشان داده‌اند.

بر اساس برآوردهای مجمع جهانی اقتصاد از سال ۲۰۲۲، دولت ها بیش از ۲۵ میلیارد دلار در تحقیقات محاسبات کوانتومی سرمایه گذاری کرده اند که بیش از ۱ میلیارد دلار در معاملات سرمایه گذاری خطرپذیر در سال گذشته بسته شده است. کامپیوترهای کوانتومی (QC) در مراحل اولیه توسعه هستند و قبل از تبدیل شدن به ابزاری کاربردی برای استفاده روزمره، باید بر چالش های فنی زیادی غلبه کنند.

با این وجود، آن‌ها قبلاً پتانسیل زیادی برای کاربردها در طیف وسیعی از زمینه‌ها نشان داده‌اند. QCها این پتانسیل را دارند که مسائل پیچیده ریاضی را به طور تصاعدی سریع‌تر از رایانه‌های معمولی حل کنند. برای برخی از وظایف پیچیده عالی است. صنعت مالی یکی از اولین دوندگانی است که این فناوری را آزمایش کرده است. با این حال، چندین صنعت در حال آزمایش QC هستند، از نظامی گرفته تا داروسازی، لجستیک و شرکت‌های تولیدی.

عملکردهای QC فوق می تواند تأثیر قابل توجهی بر آینده خدمات مالی داشته باشد. چندین کار وجود دارد که QC می تواند در پیش بینی مالی و مدل سازی مالی برای یک فرآیند سریع تر و دقیق تر پشتیبانی کند. به طور خاص، بهینه‌سازی پورتفولیو، مدیریت ریسک و قیمت‌گذاری دارایی‌ها از جمله نمونه‌های ذکر شده هستند. با این حال، مزایا و تهدیدات بالقوه آنها برای رمزنگاری، نظارت بر فناوری را برای ارائه دهندگان خدمات مالی مهم می کند.

همکاری در زمینه QC ضروری است، زیرا فناوری و توسعه نرم افزار امکان انقلاب را فراهم می کند. برنامه های شتاب توسط بزرگترین شرکت های فناوری برای آزمایش سخت افزار، نرم افزار یا راه حل های ابری مانند IBM، مایکروسافت، گوگل و آمازون راه اندازی می شوند.

گلدمن ساکس به دنبال شراکت با Microsoft Azure Quantum برای استفاده از QC برای قیمت گذاری است. جی پی مورگان در حال آزمایش راه حل های کوانتومی برای بهینه سازی و مدیریت ریسک است. HSBC در سال ۲۰۲۲ همکاری با IBM را برای بررسی استفاده از QC برای قیمت گذاری، بهینه سازی پورتفولیو و کاهش ریسک اعلام کرد.

نویسنده: Eleonóra Bassi