論文の概要: Financial Risk Management on a Neutral Atom Quantum Processor

• arxiv url: http://arxiv.org/abs/2212.03223v1
• Date: Tue, 6 Dec 2022 18:43:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 18:16:13.059423
• Title: Financial Risk Management on a Neutral Atom Quantum Processor
• Title（参考訳）: 中性原子量子プロセッサの金融リスク管理
• Authors: Lucas Leclerc, Luis Ortiz-Guitierrez, Sebastian Grijalva, Boris Albrecht, Julia R. K. Cline, Vincent E. Elfving, Adrien Signoles, Lo\"ic Henriet, Gianni Del Bimbo, Usman Ayub Sheikh, Maitree Shah, Luc Andrea, Faysal Ishtiaq, Andoni Duarte, Samuel Mugel, Irene Caceres, Michel Kurek, Roman Orus, Achraf Seddik, Oumaima Hammammi, Hacene Isselnane, Didier M'tamon
• Abstract要約: 本稿では、信用格付け低下予測のための量子強化機械学習ソリューションを提案する。 我々は、このソリューションを、実生活データセット上で最大60キュービットの中立原子量子処理ユニットに実装する。 我々は、最先端のランダムフォレストベンチマークに対する競争性能を報告し、一方、我々のモデルは、より良い解釈可能性と同等のトレーニング時間を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine Learning models capable of handling the large datasets collected in the financial world can often become black boxes expensive to run. The quantum computing paradigm suggests new optimization techniques, that combined with classical algorithms, may deliver competitive, faster and more interpretable models. In this work we propose a quantum-enhanced machine learning solution for the prediction of credit rating downgrades, also known as fallen-angels forecasting in the financial risk management field. We implement this solution on a neutral atom Quantum Processing Unit with up to 60 qubits on a real-life dataset. We report competitive performances against the state-of-the-art Random Forest benchmark whilst our model achieves better interpretability and comparable training times. We examine how to improve performance in the near-term validating our ideas with Tensor Networks-based numerical simulations.
• Abstract（参考訳）: 金融業界で収集された大規模なデータセットを扱う機械学習モデルは、実行に高価なブラックボックスになることが多い。 量子コンピューティングのパラダイムは、従来のアルゴリズムと組み合わせることで、競争力があり、より速く、より解釈可能なモデルを提供する新しい最適化手法を提案する。 本研究では,金融リスク管理分野において,信用格付けダウングレード予測のための量子エンハンスド機械学習ソリューションを提案する。 我々はこの解法を,60量子ビットまでの中性原子量子処理ユニットに実装し,実時間データセットに実装する。 我々は,最先端のランダムフォレストベンチマークに対して,より優れた解釈性と同等のトレーニング時間を実現する一方で,競争力の高い性能を報告している。 テンソルネットワークを用いた数値シミュレーションにより,提案手法の短期的検証における性能向上について検討する。

関連論文リスト

• Exploring Quantum Neural Networks for Demand Forecasting [0.25128687379089687]
  本稿では,量子ニューラルネットワークを用いた需要予測モデルの学習手法を提案する。 従来のリカレントニューラルネットワークを用いて結果を比較した。 古典モデルと量子モデルの間にも同様の予測能力を示す。
  論文  参考訳（メタデータ） (2024-10-19T13:01:31Z)
• Quantum Computational Algorithms for Derivative Pricing and Credit Risk in a Regime Switching Economy [0.0]
  金融市場のリスクを模倣する観点からも現実的なプロセスのクラスを紹介します。 ゲート型量子コンピュータにおける信用リスクとオプション価格を推定するアルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2023-11-01T20:15:59Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Financial Fraud Detection: A Comparative Study of Quantum Machine Learning Models [0.0]
  量子サポートベクトルモデルは、詐欺と非詐欺のクラスでF1スコアが0.98 0.98と最高性能を達成した。 この記事では、現在の制限を克服するソリューションを提供し、不正検出における量子機械学習の分野に新たな洞察を提供する。
  論文  参考訳（メタデータ） (2023-08-09T21:47:50Z)
• Quantum Deep Hedging [10.243020478772056]
  我々は、深層強化学習が現実世界に強力な枠組みを提供するヘッジの問題を考察する。 我々はポリシー探索と分布型アクター批判アルゴリズムに基づく量子強化学習法を開発した。 トラップイオン量子プロセッサ上で提案したモデルの実装に成功した。
  論文  参考訳（メタデータ） (2023-03-29T10:42:50Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Towards practical Quantum Credit Risk Analysis [0.5735035463793008]
  CRA (Credit Risk Analysis) の量子アルゴリズムが2次スピードアップで導入された。 我々は、この量子アルゴリズムのいくつかの重要な制限を克服する目的で、新しい変種を提案する。
  論文  参考訳（メタデータ） (2022-12-14T09:25:30Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
  本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。 与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。 我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
  論文  参考訳（メタデータ） (2021-08-04T16:32:59Z)
• Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
  Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。 しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。 クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T08:02:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。