論文の概要: Quantum Topological Graph Neural Networks for Detecting Complex Fraud Patterns

• arxiv url: http://arxiv.org/abs/2512.03696v1
• Date: Wed, 03 Dec 2025 11:38:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:15:04.540022
• Title: Quantum Topological Graph Neural Networks for Detecting Complex Fraud Patterns
• Title（参考訳）: 複雑なフラッドパターン検出のための量子トポロジカルグラフニューラルネットワーク
• Authors: Mohammad Doost, Mohammad Manthouri,
• Abstract要約: 大規模金融ネットワークにおける不正取引を検出するための新しいQTGNNフレームワークを提案する。 量子埋め込み、変分グラフ畳み込み、およびトポロジカルデータ解析を統合することで、QTGNNは不正を示す複雑なトランザクションダイナミクスと構造異常をキャプチャする。
• 参考スコア（独自算出の注目度）: 0.14323566945483493
• License:
• Abstract: We propose a novel QTGNN framework for detecting fraudulent transactions in large-scale financial networks. By integrating quantum embedding, variational graph convolutions, and topological data analysis, QTGNN captures complex transaction dynamics and structural anomalies indicative of fraud. The methodology includes quantum data embedding with entanglement enhancement, variational quantum graph convolutions with non-linear dynamics, extraction of higher-order topological invariants, hybrid quantum-classical anomaly learning with adaptive optimization, and interpretable decision-making via topological attribution. Rigorous convergence guarantees ensure stable training on noisy intermediate-scale quantum (NISQ) devices, while stability of topological signatures provides robust fraud detection. Optimized for NISQ hardware with circuit simplifications and graph sampling, the framework scales to large transaction networks. Simulations on financial datasets, such as PaySim and Elliptic, benchmark QTGNN against classical and quantum baselines, using metrics like ROC-AUC, precision, and false positive rate. An ablation study evaluates the contributions of quantum embeddings, topological features, non-linear channels, and hybrid learning. QTGNN offers a theoretically sound, interpretable, and practical solution for financial fraud detection, bridging quantum machine learning, graph theory, and topological analysis.
• Abstract（参考訳）: 大規模金融ネットワークにおける不正取引を検出するための新しいQTGNNフレームワークを提案する。 量子埋め込み、変分グラフ畳み込み、およびトポロジカルデータ解析を統合することで、QTGNNは不正を示す複雑なトランザクションダイナミクスと構造異常をキャプチャする。 この手法には、エンタングルメント強化による量子データ埋め込み、非線形力学による変分量子グラフ畳み込み、高次位相不変量の抽出、適応最適化によるハイブリッド量子古典的異常学習、トポロジ的属性による解釈可能な意思決定が含まれる。 厳密な収束保証により、ノイズの多い中間スケール量子(NISQ)デバイスでの安定したトレーニングが保証され、トポロジカルシグネチャの安定性は堅牢な不正検出を提供する。 NISQハードウェアに最適化された回路単純化とグラフサンプリングにより、フレームワークは大規模トランザクションネットワークにスケールする。 PaySimやEllipticといった金融データセットのシミュレーションでは、ROC-AUCや精度、偽陽性率といったメトリクスを使用して、古典的および量子的ベースラインに対してQTGNNをベンチマークしている。 アブレーション研究では、量子埋め込み、トポロジカル特徴、非線形チャネル、ハイブリッド学習の貢献を評価している。 QTGNNは、金融詐欺の検出、ブリッジング量子機械学習、グラフ理論、トポロジ解析のための理論的に健全で解釈可能な実用的なソリューションを提供する。

関連論文リスト

• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Inductive Graph Representation Learning with Quantum Graph Neural Networks [0.40964539027092917]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフ構造化データ処理を組み合わせるための有望なアプローチを示す。 本稿では,量子モデルをアグリゲータとして利用する,古典的なグラフSAGEアプローチにインスパイアされた汎用QGNNフレームワークを提案する。 我々の量子アプローチは、回路変更を必要とせず、様々な数の原子を持つ分子をまたいだ堅牢な一般化を示す。
  論文  参考訳（メタデータ） (2025-03-31T14:04:08Z)
• Seismic inversion using hybrid quantum neural networks [2.897792418778358]
  量子コンピュータは、重ね合わせと絡み合いを利用した量子ビットを使用して動作し、古典的に難解な問題を解く能力を提供する。 我々は、ポストスタックおよびプレスタック地震インバージョンのためのハイブリッド量子物理学インフォームドニューラルネットワーク(HQ-PINN)を開発した。
  論文  参考訳（メタデータ） (2025-03-06T22:21:45Z)
• Quantum Bayesian Networks for Machine Learning in Oil-Spill Detection [3.9554540293311864]
  量子機械学習は、環境モニタリング、医療診断、金融モデリングといった様々な応用において有望であることを示している。 重要な課題のひとつは、希少なイベントがスキューデータ分散によって誤って分類される、不均衡なデータセットを扱うことだ。 本稿では,QBNを用いて衛星由来の不均衡データセットを分類し,非スパイル領域とオイルスパイル'を区別するベイズ的手法を提案する。
  論文  参考訳（メタデータ） (2024-12-24T15:44:26Z)
• Positional Encoder Graph Quantile Neural Networks for Geographic Data [4.277516034244117]
  本稿では,PE-GNNと量子ニューラルネットワーク,部分的に単調なニューラルブロック,ポストホックリカレーション技術を組み合わせた新しいフレームワークを提案する。 PE-GQNNは、ターゲット分布に関する最小の仮定で柔軟で堅牢な条件密度推定を可能にし、空間データを超えたタスクに自然に拡張する。
  論文  参考訳（メタデータ） (2024-09-27T16:02:12Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)

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。