English(EN) Landscape-Dependent Performance of Photonic Quantum Solvers in QUBO Feature Selection for Financial Risk Detection

光量子求解器与经典方法在金融风险检测中的基准测试

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-05 04:00

研究人员评估了光量子求解器在金融风险检测特征选择方面相对于经典优化方法的性能。该研究比较了Gurobi（经典）、QCI Dirac-3（光熵计算）和Piquasso（模拟光玻色采样）在信用卡欺诈和消费者违约数据集上的各种特征选择技术。结果显示，在ULB信用卡欺诈数据集上，Dirac-3 MI-Spearman在更少特征的情况下取得了有竞争力的性能，而Piquasso在选择少量顶级特征方面表现出色。对于更大的AmEx消费者违约数据集，在所有范式中，性能通常随着特征数量的增加而提高，经典方法和光子方法之间的差异大多在预期变化范围内，但也有一些特定情况下光子求解器显著优于经典方法。 AI

排序理由学术论文，详细介绍了量子和经典计算方法在特定应用中的比较研究。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 2 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了量子和经典计算方法在特定应用中的比较研究。[lever_c_demoted from research: ic=1 ai=0.4]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: Standard; On-topic for AI-industry coverage; kept in the public index.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Nirvik Sahoo, Paul Robert Griffin · 2026-10-05 04:00

面向金融风险检测的QUBO特征选择中光量子求解器的景观依赖性能

arXiv:2610.03161v1 Announce Type: cross Abstract: Feature selection for imbalanced classification tasks such as credit card fraud and consumer default detection requires balancing predictive relevance, inter-feature redundancy, and computational feasibility. We benchmark three co…

本文如何被排名

报道来源 [1]

面向金融风险检测的QUBO特征选择中光量子求解器的景观依赖性能

相关实体

相关话题