基于熵计算的金融欺诈检测
机器学习
2025-03-17 v1 人工智能
光学
量子物理
摘要
我们引入了 CVQBoost，一种新颖的分类算法，它利用了实现 Quantum Computing Inc 的熵量子计算（EQC）范式的早期硬件 Dirac-3 [Nguyen et. al. arXiv:2407.04512]。我们将 CVQBoost 应用于欺诈检测测试用例，并将其性能与广泛使用的 ML 方法 XGBoost 进行基准对比。在 Dirac-3 上运行时，CVQBoost 展现出相较于 XGBoost 的显著运行时间优势，我们在包含多达 48 个 CPU 和四个 NVIDIA L4 GPU 的高性能硬件上使用 RAPIDS AI 框架对 XGBoost 进行了评估。结果表明，CVQBoost 保持了具竞争力的准确率（以 AUC 衡量），同时显著减少了训练时间，尤其是在数据集规模和特征复杂度增加时。为了评估可扩展性，我们将研究扩展到包含 1M 至 70M 样本的大型合成数据集，证明在 Dirac-3 上运行的 CVQBoost 非常适合大规模分类任务。这些发现使 CVQBoost 成为梯度提升方法的一种有前景的替代方案，为诸如欺诈检测等高维 ML 应用提供了卓越的可扩展性和效率。
引用
@article{arxiv.2503.11273,
title = {Financial Fraud Detection with Entropy Computing},
author = {Babak Emami and Wesley Dyk and David Haycraft and Carrie Spear and Lac Nguyen and Nicholas Chancellor},
journal= {arXiv preprint arXiv:2503.11273},
year = {2025}
}
备注
15 pages including references and appendix, 6 figures