양자 얽힘으로 억제하는 투기와 시장 안정화

초록

본 논문은 강화학습 기반 AI 트레이더를 이용해 단일 상품 시장을 시뮬레이션하고, 거래자들의 가치 평가를 양자 얽힌 큐비트로 인코딩함으로써 투기적 폭락을 억제하고 가격을 안정화시키는 메커니즘을 제시한다. 고전적 p‑guessing 게임의 순수 전략 내시 균형이 양자 얽힘에 의해 사라지고, 혼합 전략 균형은 비퇴화되어 시장 붕괴를 방지한다는 게임이론적 분석도 함께 제공한다.

상세 분석

이 연구는 세 가지 핵심 요소를 결합한다. 첫째, 8명의 에이전트를 각각 3‑층 피드포워드 신경망으로 구현하고, 현금·보유 주식·전 라운드 평균 가격을 입력으로 받아 구매·판매 신호와 가격 제안을 출력한다. 정책 그라디언트(REINFORCE)와 Adam 옵티마이저(학습률 10⁻³)를 사용해 순차적으로 정책을 업데이트함으로써 에이전트는 자신의 순자산을 최대화하는 방향으로 행동을 진화시킨다. 둘째, 각 에이전트의 제안 가격 $i 를 양자 회로에 매핑한다. 회로는 초기 상태 |0⟩인 N개의 큐비트를 J(γ)=exp(−iγ/2 ∑σₓ^{(i)}) 로 전역 얽히게 한 뒤, 각 큐비트에 U_i(θ_i) 회전을 적용한다. 여기서 θ_i = π $ i /$max 로 정규화하고, ϕ_i, ψ_i 는 무작위 위상으로 설정한다. 얽힘 연산 J†(γ) 를 다시 적용해 최종 상태 |ψ_f⟩ 를 얻고, ⟨σ_z^{(i)}⟩ 를 통해 조정된 가격 ˜$i 를 추출한다. γ∈