0 引言

目前，量子計(jì)算是未來的計(jì)算發(fā)展趨勢,全球各主要研究機(jī)構(gòu)和公司選用不同的物理方案來制造量子計(jì)算機(jī)，主流的技術(shù)路線包括超導(dǎo)量子計(jì)算、光量子計(jì)算等。超導(dǎo)量子計(jì)算系統(tǒng)對(duì)環(huán)境要求苛刻，要求在絕對(duì)零度附近的超低溫下才能工作；光量子計(jì)算其原理是使用光量子的疊加態(tài)對(duì)組合優(yōu)化問題進(jìn)行指數(shù)級(jí)求解加速。基于光量子系統(tǒng)的相干伊辛計(jì)算架構(gòu)(Coherent Ising Machine，CIM)[1]，具有光量子常溫下編碼操控和其在相干時(shí)間、室溫工作、全聯(lián)接等方面的技術(shù)優(yōu)勢。目前，國內(nèi)北京玻色量子科技有限公司等企業(yè)，已完成第一臺(tái)全國產(chǎn)光量子計(jì)算原型機(jī)的設(shè)計(jì)制造。

CIM可以充分利用光量子常溫下編碼操控的技術(shù)優(yōu)勢，實(shí)現(xiàn)100～100 000量子比特的量子計(jì)算的有效應(yīng)用和算法優(yōu)越性驗(yàn)證[2]，并且可以廣泛地應(yīng)用于生物制藥、交通、人工智能[3-7]等領(lǐng)域。在金融風(fēng)控領(lǐng)域，特別是在信貸業(yè)務(wù)場景下，需要利用客戶多維度的特征，對(duì)客戶未來的違約行為做出預(yù)測，從而進(jìn)行風(fēng)險(xiǎn)控制決策。因此好的風(fēng)控評(píng)估模型能為銀行風(fēng)控業(yè)務(wù)提供從資產(chǎn)負(fù)債、信用風(fēng)險(xiǎn)、反欺詐、反洗錢等全方位完整的風(fēng)險(xiǎn)控制方案。在建立風(fēng)控模型的過程中，隨著大數(shù)據(jù)時(shí)代的到來，客戶數(shù)據(jù)維度呈指數(shù)型增長，傳統(tǒng)的特征篩選方法需要人工經(jīng)驗(yàn)的參與，對(duì)大維度數(shù)據(jù)的處理顯得較為吃力，亟需創(chuàng)新式的解決方案。量子計(jì)算作為超強(qiáng)算力的代表，在此領(lǐng)域擁有極大的潛力。

在信用評(píng)分的建模場景中[8]，特征選擇在整個(gè)過程起著至關(guān)重要的作用，通過篩選后續(xù)入模的特征從而提高模型的準(zhǔn)確率和效率，并具有更好的泛化能力。尤其是在特征數(shù)較大時(shí)，不同特征的選擇將決定最后信用評(píng)分模型的整體效果。本文將采用傳統(tǒng)信用評(píng)分的建模邏輯，對(duì)于特征篩選這一環(huán)節(jié)，采用量子計(jì)算的方式進(jìn)行優(yōu)化，從而對(duì)整體模型效果進(jìn)行提升(并與傳統(tǒng)方式的特征選擇進(jìn)行對(duì)比)。通過建立相應(yīng)的二次無約束二值優(yōu)化(Quadratic Unbounded Binary Optimization，QUBO)[9]模型來實(shí)現(xiàn)特征選擇，該模型理想情況下選擇既獨(dú)立又有影響力的特征。此次研究主要通過量子計(jì)算解決QUBO模型來實(shí)現(xiàn)特征選擇，相比傳統(tǒng)信用評(píng)分的特征選擇，在不犧牲準(zhǔn)確率的前提下，量子計(jì)算效率更高而且人工干擾更少，并在特征數(shù)很大時(shí)，解決了人工篩選難度大的問題。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/resource/share/2000004899。

作者信息：

文  凱1，馬  寅1，王  鵬2，朱德立2

(1.北京玻色量子科技有限公司，北京100016；2.光大科技有限公司，北京100083)