Inferencia bayesiana cuántica: una exploración para economistas

Resumen

En este documento de trabajo, los autores exploraron cómo la computación cuántica —un método de computación basado en los principios de la física cuántica— podría aplicarse a la inferencia bayesiana: un enfoque para actualizar creencias y realizar predicciones basadas en el conocimiento previo y nuevos datos. Si bien la computación cuántica está siendo impulsada por ingenieros e informáticos, son los estadísticos y econometristas quienes estudian la inferencia bayesiana. Superar esta brecha disciplinaria requiere traducir ideas fundamentales entre diferentes campos.

La contribución de este trabajo se encuentra en que los autores explican brevemente la computación cuántica para economistas. Luego presentan un algoritmo cuántico de prueba de concepto que realiza un muestreo posterior, es decir, un proceso paso a paso para estimar posibles resultados basados ​​en nuevos datos y conocimiento previo. Para ello, se muestran listados de código utilizando el paquete Qiskit en el lenguaje de programación Python. El algoritmo propuesto utiliza propiedades cuánticas para representar las probabilidades actualizadas y generar muestras aleatorias para la inferencia bayesiana.

Principales resultados

La computación cuántica aún se encuentra en una etapa temprana. En principio, se vislumbran grandes avances en computación, y los progresos en hardware y algoritmos cuánticos podrían tener aplicaciones en logística, gestión de carteras y modelado de ciclos económicos. El enfoque propuesto demuestra la viabilidad de realizar inferencia bayesiana mediante simulación de computación cuántica. Sin embargo, cabe destacar que el método mostrado aún no ofrece una mayor velocidad de cálculo que las técnicas clásicas como el método de Monte Carlo de cadenas de Markov, el muestreo por importancia o el filtrado de partículas. Por tanto, este sigue siendo un área para futuras investigaciones.

Accede al documento completo del BIS aquí