양자·고전 광자를 활용한 혼합 전략으로 사회적 의사결정 최적화

초록

본 연구는 경쟁 다중 슬롯머신(CMAB) 문제에서 얽힌 광자와 상관된 광자를 결합한 혼합 전략을 제안한다. 얽힌 광자만을 이용한 전략은 충돌을 완전히 회피하고 평등성을 보장하지만, 환경에 따라 갈등이 오히려 총 보상을 증가시킬 수 있다. 저자들은 실험을 통해 얽힌‑광자 전략과 상관‑광자 전략을 비율을 조절해 혼합하면, 보상 변동성 및 문제 난이도에 따라 최적의 혼합 비율이 존재함을 확인하였다. 이는 양자·고전 광자의 상호 보완적 활용이 게임 이론의 혼합 전략 우월성을 물리적 시스템에서도 구현할 수 있음을 보여준다.

상세 요약

이 논문은 경쟁 다중 슬롯머신(CMAB)이라는 다중 플레이어·다중 슬롯머신 환경에서 사회적 의사결정의 효율성을 높이기 위한 새로운 물리 기반 알고리즘을 제시한다. 기존 연구에서 얽힌 광자 쌍을 이용하면 두 플레이어가 완전한 상호 협조 상태를 유지하면서 충돌을 전혀 일으키지 않으며, 각 플레이어가 동일한 기대 보상을 얻는 ‘평등·무충돌’ 전략을 구현할 수 있음을 보였다. 그러나 이러한 전략은 환경 보상이 정적이거나 모든 슬롯머신이 동일한 확률을 가질 때 최적이다. 실제 사회 인프라 자원 관리와 같이 보상 확률이 시간에 따라 변동하거나, 특정 슬롯머신이 일시적으로 높은 보상을 제공하는 경우에는 ‘갈등·경쟁’이 오히려 전체 보상을 끌어올릴 수 있다.

이에 저자들은 두 가지 광자 기반 전략을 결합한다. 첫 번째는 앞서 검증된 얽힌 광자 쌍을 이용한 ‘양자 협조’ 전략으로, 측정 결과가 완전히 상관관계가 있어 두 플레이어가 동일한 슬롯을 선택하거나 완전한 반대 선택을 할 수 있다. 두 번째는 편광 상태가 상관(하지만 얽힘은 없는)된 광자 쌍을 이용한 ‘고전 상관’ 전략으로, 각 플레이어는 독립적인 확률적 선택을 하면서도 일정 수준의 동조성을 유지한다.

핵심 실험 설계는 다음과 같다. (1) 보상 환경을 두 종류로 설정했는데, 하나는 ‘정적·동일 보상’(모든 슬롯의 기대 보상이 동일)이고, 다른 하나는 ‘동적·비대칭 보상’(보상 확률이 시간에 따라 변하고, 특정 슬롯이 주기적으로 높은 보상을 제공). (2) 얽힌‑광자 전략만, 상관‑광자 전략만, 그리고 두 전략을 0:100, 25:75, 50:50, 75:25, 100:0 비율로 혼합한 다섯 가지 경우를 각각 10⁴ 라운드에 걸쳐 수행했다. (3) 각 경우에 대해 총 누적 보상, 플레이어 간 보상 차이(평등성), 그리고 충돌 발생 빈도를 측정했다.

실험 결과는 두드러졌다. 정적·동일 보상 환경에서는 순수 얽힌‑광자 전략이 가장 높은 평등성과 최소 충돌을 보이며, 총 보상도 최적에 가깝다. 반면 동적·비대칭 환경에서는 얽힌‑광자 비중을 약 3040% 수준으로 낮추고, 상관‑광자 비중을 6070%로 높였을 때 총 누적 보상이 최대가 되었다. 특히, 보상이 급격히 변동하는 구간에서는 상관‑광자 전략이 제공하는 ‘확률적 탐색’ 효과가 새로운 고보상 슬롯을 빠르게 발견하게 하여 전체 시스템의 효율을 크게 향상시켰다. 또한, 충돌 발생 빈도는 얽힌‑광자 비중이 높을수록 감소했지만, 일정 수준의 충돌이 발생해도 전체 보상이 크게 감소하지 않는다는 점이 관찰되었다.

이러한 결과는 양자 얽힘이 제공하는 완전 협조와 고전 상관이 제공하는 탐색·다양성 사이에 트레이드오프가 존재함을 시사한다. 저자들은 이를 ‘혼합 양자‑고전 전략’이라고 정의하고, 보상 환경의 통계적 특성(예: 변동성, 비대칭도)과 문제 난이도(플레이어 수, 슬롯 수)에 따라 최적 혼합 비율을 계산하는 이론적 프레임워크를 제시한다. 프레임워크는 보상 변동성을 추정하는 베이지안 업데이트와, 현재까지 관측된 보상 분포에 기반한 혼합 비율 조정 규칙을 포함한다.

마지막으로, 논문은 이 혼합 전략이 진화 게임 이론에서 알려진 ‘혼합 전략 우월성’과 일맥상통함을 강조한다. 양자 얽힘은 전략 공간의 극단적인 점(완전 협조)으로, 고전 상관은 연속적인 확률적 전략으로 볼 수 있다. 두 전략을 물리적으로 결합함으로써, 시스템은 고정된 전략이 아닌 환경에 적응하는 동적 전략을 구현한다. 이는 향후 양자·고전 하이브리드 컴퓨팅, 분산 센서 네트워크, 그리고 사회적 자원 배분 시스템에 적용 가능한 새로운 패러다임을 제시한다.