Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

CaixaBank crea el primer modelo de clasificación de riesgos con computación cuántica

  • Estrategias digitales

Caixabank

La entidad bancaria ha desarrollado el primer modelo de clasificación de riesgos de la banca española utilizando computación cuántica.

 

Recomendados: 

WEBINAR >> Teletrabajo: productividad, flexibilidad y seguridad a pleno rendimiento Registro 

WEBINAR >> Autenticación y gestión de identidades, el nuevo perímetro de seguridad Registro

Tras realizar con éxito las primeras pruebas reales de computación cuántica para estudiar sus posibles aplicaciones en el sector financiero, CaixaBank ha desarrollado el primer algoritmo de machine learning para la clasificación de riesgos de la banca española empleando computación cuántica.

La entidad que preside Jordi Gual se ha convertido con este proyecto en la primera que aplica un esquema de computación híbrido, que combina durante el proceso de cálculo computación cuántica y computación convencional en distintas etapas del proceso, para clasificar los perfiles de riesgos crediticios.

Según ha explicado, para ello, ha utilizado un conjunto de datos público (data set público), correspondiente a 1.000 supuestos usuarios, con un perfil muy similar a clientes reales, pero con información completamente figurada para la realización de la prueba.

Los ordenadores cuánticos se basan en las propiedades de los superconductores, que integran sus unidades de proceso, los qubits, en lugar de bits clásicos. Gracias a estas propiedades, tiene la capacidad de procesar multitud de variables y estados a la vez, logrando una capacidad de cómputo que crece exponencialmente con el número de qubits.

Computación híbrida
La computación híbrida aprovecha esta ventaja de cómputo exponencial para el complejo cálculo de parámetros de optimización de algoritmos de machine learning y los combina con métodos de computación clásica, aprovechando lo mejor de los dos mundos. Con la aplicación de algoritmos híbridos (cuánticos y clásicos) en el análisis de riesgo, se consigue llegar a las mismas conclusiones que con el método clásico en mucho menos tiempo.

Con este proyecto ha mejorado en la simulación de escenarios de riesgo y aprendizaje automático (machine learning), donde los algoritmos son cada vez más complejos y requieren de grandes cantidades de datos para aprender, a la vez que avanza en su análisis de las aplicaciones de la computación cuántica. Los resultados de esta prueba, de acuerdo con CaixaBank, se publicarán con mayor detalle en canales especializados para que las conclusiones estén a disposición de la comunidad.