Fugu-MT 論文翻訳(概要): FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report

論文の概要: FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report

arxiv url: http://arxiv.org/abs/2507.19402v1
Date: Fri, 25 Jul 2025 16:08:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-28 16:16:49.029525
Title: FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report
Title（参考訳）: FD4QC:ファイナンシャルフラッド検出のための古典的および量子ハイブリッド機械学習の応用
Authors: Matteo Cardaioli, Luca Marangoni, Giada Martini, Francesco Mazzolin, Luca Pajola, Andrea Ferretto Parodi, Alessandra Saitta, Maria Chiara Vernillo,
Abstract要約: 本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
参考スコア（独自算出の注目度）: 36.1999598554273
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The increasing complexity and volume of financial transactions pose significant challenges to traditional fraud detection systems. This technical report investigates and compares the efficacy of classical, quantum, and quantum-hybrid machine learning models for the binary classification of fraudulent financial activities. As of our methodology, first, we develop a comprehensive behavioural feature engineering framework to transform raw transactional data into a rich, descriptive feature set. Second, we implement and evaluate a range of models on the IBM Anti-Money Laundering (AML) dataset. The classical baseline models include Logistic Regression, Decision Tree, Random Forest, and XGBoost. These are compared against three hybrid classic quantum algorithms architectures: a Quantum Support Vector Machine (QSVM), a Variational Quantum Classifier (VQC), and a Hybrid Quantum Neural Network (HQNN). Furthermore, we propose Fraud Detection for Quantum Computing (FD4QC), a practical, API-driven system architecture designed for real-world deployment, featuring a classical-first, quantum-enhanced philosophy with robust fallback mechanisms. Our results demonstrate that classical tree-based models, particularly \textit{Random Forest}, significantly outperform the quantum counterparts in the current setup, achieving high accuracy (\(97.34\%\)) and F-measure (\(86.95\%\)). Among the quantum models, \textbf{QSVM} shows the most promise, delivering high precision (\(77.15\%\)) and a low false-positive rate (\(1.36\%\)), albeit with lower recall and significant computational overhead. This report provides a benchmark for a real-world financial application, highlights the current limitations of quantum machine learning in this domain, and outlines promising directions for future research.
Abstract（参考訳）: 金融取引の複雑さと量の増加は、従来の不正検知システムに重大な課題をもたらす。本稿では,古典的,量子的,量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリ分類の有効性について検討・比較する。提案手法では,まず,生のトランザクションデータをリッチで記述的な機能セットに変換するための包括的行動特徴工学フレームワークを開発する。次に、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。古典的なベースラインモデルには、ロジスティック回帰、決定木、ランダムフォレスト、XGBoostなどがある。これらは、量子サポートベクトルマシン(QSVM)、変分量子分類器(VQC)、ハイブリッド量子ニューラルネットワーク(HQNN)の3つのハイブリッド量子アルゴリズムアーキテクチャと比較される。さらに,量子コンピューティングのためのFraud Detection for Quantum Computing (FD4QC) を提案する。以上の結果から,古典的ツリーベースモデル,特に『textit{Random Forest}』は,現在の設定における量子モデルよりも著しく優れており,高い精度 (97.34\%\) とF測定 (86.95\%\) を実現していることが示された。量子モデルの中で、 \textbf{QSVM} が最も高い確率を示し、高い精度(\(77.15\%\)と低い偽陽性率(1.36\%\)を提供する。このレポートは、現実世界の金融アプリケーションのベンチマークを提供し、この分野における量子機械学習の現在の限界を強調し、将来の研究に向けた有望な方向性を概説する。

関連論文リスト

An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文参考訳（メタデータ） (2025-04-13T11:49:53Z)
Contextual Quantum Neural Networks for Stock Price Prediction [0.0]
我々は、コンテキスト量子ニューラルネットワークを用いて、複数の資産の株価を予測するために量子機械学習(QML)を適用した。このアーキテクチャは量子ファイナンスにおいて最初のものであり、優れた予測力と計算効率を提供する。我々の発見は、金融アプリケーションにおけるQMLの変革の可能性を強調し、より先進的でリソース効率のよい量子アルゴリズムの道を開いた。
論文参考訳（メタデータ） (2025-02-26T22:39:23Z)
Comparative Performance Analysis of Quantum Machine Learning Architectures for Credit Card Fraud Detection [3.5418331252013897]
本研究では3つのQML分類器の性能に異なる量子特徴写像とアンザッツ構成がどう影響するかを検討する。 VQCは引き続き強力な分類結果を示し、F1スコアは0.88であり、SQNNも有望な結果をもたらす。対照的に、EQNNは、非標準化されたデータによってもたらされる課題を強調しながら、堅牢な結果を生み出すのに苦労している。
論文参考訳（メタデータ） (2024-12-27T04:17:34Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文参考訳（メタデータ） (2023-08-25T15:08:19Z)
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)
Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
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)
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)
Mixed Quantum-Classical Method For Fraud Detection with Quantum Feature Selection [0.0]
本稿では,Quantum Support Vector Machineの機能マップ特性を用いて,最適な特徴を探索する手法を提案する。古典的および量子的アルゴリズムを組み合わせたアンサンブルモデルを用いて、ハイブリッド古典量子アプローチを探索する。
論文参考訳（メタデータ） (2022-08-16T21:46:04Z)
Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文参考訳（メタデータ） (2022-05-10T08:05:59Z)

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。