محاسبات کوانتومی می تواند با حل سریع مشکلات پیچیده، بهبود مدیریت ریسک و بهبود اقدامات امنیت سایبری، امور مالی را متحول کند.

چرا محاسبات کوانتومی یک شمشیر دولبه در رمزنگاری است؟

رمزنگاری و فناوری بلاک چین مطمئناً محاسبات کوانتومی دست نخورده نخواهد بود. با این حال، جهت یک سوال باقی می ماند.

محاسبات کوانتومی هم تهدید و هم فرصتی برای رمزنگاری است. در حالی که این پتانسیل را دارد که اکثر روش‌های رمزگذاری موجود را بشکند، اما این پتانسیل را نیز دارد که روش‌های جدید و ایمن‌تری ایجاد کند که در برابر حملات رایانه‌های کلاسیک مصون باشند.

QCها به طور تصاعدی سریعتر از رایانه های کلاسیک هستند، به این معنی که می توانند به سرعت مسائل ریاضی را حل کنند که حل آنها برای رایانه های کلاسیک سال ها، دهه ها یا حتی قرن ها طول می کشد. این شامل مشکلات ریاضی زیربنای بسیاری از طرح های رمزگذاری مورد استفاده برای ایمن سازی ارتباطات و تراکنش های دیجیتال می شود.

به عنوان مثال، الگوریتم Shor را می توان برای فاکتورسازی کارآمد اعداد بزرگ مورد استفاده قرار داد، که اساس بسیاری از الگوریتم های رمزنگاری کلید عمومی مانند RSA (مخفف مخفف سازندگان، Rivest–Shamir–Adleman) است.

با این حال، رمزنگاری کوانتومی همچنین می‌تواند برای ایجاد روش‌های رمزنگاری جدید که امنیت بیشتری نسبت به روش‌های کلاسیک دارند، استفاده شود. به عنوان مثال، توزیع کلید کوانتومی روشی برای تولید و توزیع یک کلید مخفی بین دو طرف است، محرمانه بودن و یکپارچگی اطلاعات مبادله شده حتی اگر یک موجود مخرب ارتباط را قطع کند، قابل حفظ است.

ویژگی های ذکر شده باعث ایجاد ابهام در مورد آینده QCها در فناوری های بلاک چین می شود. این پتانسیل را دارد که روش‌های رمزگذاری موجود در بلاک چین را که می‌تواند امنیت دارایی‌ها و تراکنش‌های دیجیتال را به خطر بیندازد، شکست دهد. در همان زمان، محققان در حال کار بر روی توسعه روش‌های رمزگذاری ضد کوانتومی برای بلاک چین‌ها برای مقابله با این تهدید هستند، مانند رمزنگاری کلید عمومی CRYSTALS-Kyber IBM. علاوه بر این، کنترل‌های کیفیت می‌توانند زنجیره‌های بلوکی را با افزایش سرعت تراکنش و مقیاس‌پذیری آن‌ها بهبود بخشند، که می‌تواند 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 شانس خوبی برای ذینفع شدن دارند.

الگوریتم های Grover و Shor را می توان برای بهینه سازی پورتفولیو به کار برد. بهینه سازی پورتفولیو شامل یافتن ترکیبی بهینه از سرمایه گذاری ها برای به حداکثر رساندن بازده و در عین حال به حداقل رساندن ریسک است. این فناوری می‌تواند محاسبات سریع‌تر و دقیق‌تر و همچنین استراتژی‌های بهینه‌سازی انعطاف‌پذیرتری را که طیف وسیع‌تری از عوامل مانند عوامل محیطی، اجتماعی و حاکمیتی را در نظر می‌گیرد، فعال کند.

مثال دیگر قیمت گذاری دارایی است. قیمت گذاری دارایی فرآیند تخمین ارزش دارایی های مالی مانند سهام، اوراق قرضه و مشتقات است. روش‌های سنتی قیمت‌گذاری دارایی‌های مالی بر مدل‌های پیچیده ریاضی مانند شبیه‌سازی‌های مونت کارلو، که شامل شبیه‌سازی تعداد زیادی از نتایج ممکن برای یک دارایی مالی معین و سپس استفاده از این شبیه‌سازی‌ها برای تخمین ارزش آن است، تکیه دارند. برای مثال کوانتوم مونت کارلو (QMC)، می‌تواند ابزارهای مالی پیچیده‌ای مانند اختیار معامله با بازده غیرخطی را مدیریت کند.

سوال میلیارد دلاری اینجاست: آیا کامپیوترهای کوانتومی می توانند بازار سهام را پیش بینی کنند؟ در حالی که کنترل‌های کیفیت ممکن است نسبت به رایانه‌های معمولی در برخی از وظایف مدل‌سازی مالی مزایایی داشته باشند، بعید است که بازار سهام را با دقت کامل پیش‌بینی کنند. علاوه بر این، مانند هر فناوری جدید، محاسبات کوانتومی چالش ها و محدودیت های منحصر به فرد خود را دارد که باید به منظور تحقق پتانسیل کامل آن در برنامه های مالی مورد توجه قرار گیرد.

بسیاری از شرکت های خدمات مالی انتظارات بالایی در رابطه با تأثیر تضمین کیفیت بر مدیریت ریسک دارند. این شامل شناسایی، ارزیابی، اولویت بندی ریسک ها و اقدام برای کاهش یا مدیریت آن خطرات است. هر مرحله شامل مدل‌سازی و شبیه‌سازی ریاضی برای پیش‌بینی نتایج ریسک است و زمان و دقت نقش مهمی در این فرآیند دارند. امنیت سایبری بخشی ضروری از مدیریت ریسک است و با فعال کردن روش‌های رمزگذاری پیشرفته‌تر می‌توان آن را بهبود بخشید.

رمزگذاری به یک اقدام مهم در صنعت بانکداری تبدیل شده است که از اطلاعات حساس در برابر دسترسی غیرمجاز محافظت می کند. برای ایمن سازی کانال های ارتباطی بین سیستم های بانکی، وب سایت ها و برنامه های کاربردی تلفن همراه و محافظت از داده ها در سرورها، پایگاه های داده و نسخه های پشتیبان استفاده می شود. علاوه بر این، از رمزگذاری برای ایجاد امضای دیجیتال استفاده می‌شود که به اطمینان از صحت اسناد و جلوگیری از تغییرات غیرمجاز یا دستکاری اسناد حساس کمک می‌کند.

چرا گنجاندن رایانه های کوانتومی در فناوری های موجود بسیار دشوار است؟

علیرغم پتانسیل بالای KK، فناوری و برنامه های کاربردی آن هنوز باید بر بسیاری از موانع بزرگ غلبه کند.

کار با کیوبیت ها یک کار علمی بسیار چالش برانگیز است زیرا آنها باید در یک حالت کوانتومی کنترل شده ایزوله شوند که بسیار شکننده است. کوچکترین تغییر در محیط فیزیکی (ارتعاش یا دما) می تواند باعث ناپایداری شود که همان فروپاشی برهم نهی است. اقدامات پیشگیرانه پیچیده مانند یخچال های فوق خنک، عایق یا محفظه های خلاء برای جلوگیری از از دست دادن پایداری سیستم مورد نیاز است.

یکی دیگر از جنبه های چالش این است که، به عنوان یک الگوی متفاوت، کنترل کیفیت نه تنها به سخت افزار و نرم افزار کاملا جدید، بلکه به راه حل های الگوریتمی نیز نیاز دارد. مقالات متعددی درباره پتانسیل کنترل‌های کیفیت در یادگیری ماشین، هوش مصنوعی یا رمزنگاری بحث می‌کنند. او کمتر تأکید می‌کند که این نه تنها به معنای استفاده از QC برای اجرای الگوریتم‌های طراحی‌شده برای رایانه‌های کلاسیک (کوانتومی) است، بلکه به معنای ایجاد الگوریتم‌های کاملاً جدید است که از ویژگی‌های QC بهره می‌برد.

کنترل‌های کیفی در بانکداری به دلیل پتانسیل افزایش سرعت و حجم محاسبات و تراکنش‌ها می‌توانند بازی را تغییر دهند. با این حال، موسسات مالی مختلف تازه شروع به آزمایش با الگوریتم‌های کوانتومی خود کرده‌اند و محدودیت‌های این پتانسیل‌ها هنوز مشخص نیست. الگوریتم های کوانتومی الگوریتم هایی هستند که از ویژگی های منحصر به فرد سیستم های کوانتومی مانند برهم نهی و درهم تنیدگی بهره می برند.

نمونه ای از الگوریتم های کوانتومی، الگوریتم گروور است که می تواند برای جستجوی پایگاه های داده بزرگ و بدون ساختار داده های مالی سریعتر از الگوریتم های کلاسیک 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 Shor است که به فرد اجازه می دهد اعداد بزرگ را سریعتر از الگوریتم های کلاسیک فاکتورگیری کند.

کامپیوترهای کوانتومی چیست؟

QCها ماشین های جدیدی هستند که می توانند محاسبات را بسیار سریعتر از کامپیوترهای کلاسیک بر اساس اصول مکانیک کوانتومی انجام دهند.

عبارت QCs 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. با ارزش ترین ویژگی QCها این است که انواع خاصی از محاسبات را بسیار سریعتر از رایانه های معمولی انجام می دهند.

کامپیوترهای کلاسیک اطلاعات را در بیت ذخیره و پردازش می کنند، در حالی که QCها از بیت کوانتومی (یا کیوبیت) استفاده می کنند. بیت ها اطلاعات را به صورت باینری نشان می دهند و می توانند فقط دو مقدار ممکن داشته باشند: صفر یا یک. هر قطعه اطلاعاتی که از یک کامپیوتر کلاسیک عبور می کند در واقع یک رشته طولانی از صفر و یک است.

کیوبیت ها می توانند در چندین حالت به طور همزمان وجود داشته باشند، این ویژگی به نام برهم نهی شناخته می شود. این بدان معنی است که یک کیوبیت می تواند بسیاری از ترکیبات ممکن از صفر و یک را نشان دهد. بنابراین، می تواند حجم بسیار بیشتری از اطلاعات را نسبت به یک بیت کلاسیک پردازش کند.

یکی دیگر از ویژگی های هیجان انگیز کیوبیت ها، پتانسیل “درهم تنیدگی” است که در آن جفت کیوبیت ایجاد می شود. تغییر وضعیت یکی در جفت به طور قابل پیش بینی وضعیت کیوبیت دیگر را تغییر می دهد. این ویژگی به CC ها قدرت بیشتری می دهد. در یک کامپیوتر کلاسیک، افزایش تعداد بیت ها اثر خطی بر قدرت پردازش دارد، در حالی که افزودن یک کیوبیت اضافی به ماشین کوانتومی باعث افزایش تصاعدی در قدرت پردازش می شود.

محاسبات کوانتومی چگونه به صنعت مالی کمک می کند؟

CC ها فقط در حال توسعه هستند. آزمایش‌ها در حال حاضر پتانسیل بزرگ خود را در صنعت مالی نشان می‌دهند.

طبق پیش‌بینی مجمع جهانی اقتصاد در سال 2022، دولت‌های ملی بیش از 25 میلیارد دلار در تحقیقات محاسبات کوانتومی سرمایه‌گذاری کرده‌اند و بیش از 1 میلیارد دلار در معاملات سرمایه‌گذاری خطرپذیر در سال گذشته تکمیل شد. کامپیوترهای کوانتومی (QC) در مراحل اولیه توسعه هستند و قبل از تبدیل شدن به ابزارهای کاربردی برای استفاده روزمره، چالش های فنی زیادی وجود دارد که باید بر آنها غلبه کرد.

با این حال، آنها پتانسیل زیادی برای کاربرد در زمینه های مختلف نشان داده اند. QCها قادر به حل مسایل پیچیده ریاضی به صورت تصاعدی سریعتر از رایانه های کلاسیک هستند و آنها را برای چندین کار پیچیده ایده آل می کند. صنعت مالی یکی از اولین دوندگانی است که این فناوری را آزمایش کرد. با این حال، صنایع از ارتش گرفته تا داروسازی تا لجستیک و شرکت های تولیدی در حال آزمایش کنترل کیفیت هستند.

کیفیت های ذکر شده در QC ها می تواند تأثیر زیادی بر آینده خدمات مالی داشته باشد. چندین کار وجود دارد که پیش‌بینی مالی و مدل‌سازی مالی می‌تواند توسط QCها برای فرآیندهای سریع‌تر و دقیق‌تر کمک شود. بهینه سازی پورتفولیو، مدیریت ریسک و قیمت گذاری دارایی ها به طور خاص برخی از نمونه های ذکر شده هستند. با این حال، مزایا و تهدیدات بالقوه آن برای رمزنگاری، نظارت بر فناوری را برای ارائه دهندگان خدمات مالی مهم می کند.

همکاری در زمینه کنترل کیفیت ضروری است، زیرا فناوری و توسعه نرم افزار انقلاب را ممکن می سازد. برنامه های شتاب توسط بزرگترین شرکت های فناوری برای آزمایش سخت افزار، نرم افزار یا راه حل های ابری مانند IBM، مایکروسافت، گوگل یا آمازون آغاز می شوند.

گلدمن ساکس با Microsoft Azure Quantum همکاری کرد تا استفاده از QCها را برای قیمت گذاری بررسی کند. جی پی مورگان در حال آزمایش راه حل های کوانتومی برای بهینه سازی و مدیریت ریسک است. HSBC در سال 2022 همکاری خود را با IBM برای بررسی استفاده از کنترل‌های کیفیت برای قیمت‌گذاری، بهینه‌سازی پورتفولیو و کاهش ریسک اعلام کرد.

نویسنده: Eleonóra Bassi