Metoda Monte Carlo to sposób rozwiązywania problemów przez wielokrotne losowanie. Zamiast liczyć coś dokładnie, symulujemy tysiące lub miliony losowych scenariuszy i uśredniamy wynik — jak meteorolog, który zamiast jednej prognozy uruchamia setki symulacji pogody i podaje prawdopodobieństwo deszczu. Nazwa pochodzi od słynnego kasyna, bo wszystko kręci się tu wokół przypadku.
Gdzie używa się Monte Carlo?
- Finanse — wycena skomplikowanych instrumentów (opcji), szacowanie ryzyka portfela (miary VaR), testy warunków skrajnych wymagane przez regulatorów.
- Ubezpieczenia — modelowanie szkód i katastrof naturalnych.
- Przemysł i logistyka — analiza niezawodności, planowanie w warunkach niepewności.
Problem? Dokładność rośnie boleśnie wolno. Aby wynik był 10 razy dokładniejszy, trzeba wykonać 100 razy więcej symulacji. Dlatego banki utrzymują ogromne farmy serwerów, które każdej nocy mielą miliony scenariuszy, a niektóre obliczenia ryzyka i tak trwają wiele godzin.
Co zmienia komputer kwantowy?
Kwantowy odpowiednik tej metody — oparty na algorytmie szacowania amplitudy (ang. quantum amplitude estimation) — osiąga tę samą dokładność przy kwadratowo mniejszej liczbie próbek: tam, gdzie klasycznie potrzeba miliona symulacji, kwantowo wystarczy odpowiednik tysiąca. Przy obliczeniach, które dziś trwają całą noc, taka oszczędność oznaczałaby wyniki niemal na bieżąco — a to w zarządzaniu ryzykiem różnica strategiczna: ryzyko widać w ciągu dnia, a nie następnego ranka.
Stan na dziś
Kwantowe Monte Carlo zademonstrowano na małych przykładach — m.in. zespoły IBM, Goldman Sachs i JPMorgan pokazały wycenę prostych opcji na rzeczywistym sprzęcie. Haczyk polega na tym, że pełne kwantowe przyspieszenie wymaga komputerów z korekcją błędów, które dopiero powstają. Eksperci szacują, że praktyczna przewaga w finansach może pojawić się w okolicach 2030 roku. Mimo to instytucje finansowe inwestują już teraz, bo przepisanie modeli ryzyka na nowe algorytmy samo w sobie zajmie lata.
Ciekawostka: prawdziwa losowość
Klasyczny komputer nie potrafi wylosować naprawdę przypadkowej liczby — generuje liczby „pseudolosowe” według ukrytego wzoru. Mechanika kwantowa jest losowa z natury, dlatego kwantowe generatory liczb losowych (QRNG) to jedno z pierwszych komercyjnych zastosowań tej technologii: są już dostępne jako układy scalone (m.in. w wybranych smartfonach) i usługi chmurowe, a korzystają z nich loterie, kryptografia i właśnie symulacje Monte Carlo.