NEC、三井住友金融集團和日本綜合研究所開發出了利用量子電腦來提高信用卡詐騙檢測精度的技術。該技術可以虛擬生成供人工智慧（AI）學習的詐騙資料。讓量子電腦生成資料是一個新用途，有望在金融領域普及應用。
隨着無現金給付的普及，個人資訊泄露並被濫用的情況不斷增加。爲預防詐騙交易以及賠償受害者，業界正在開發用來分辨是正常交易還是詐騙交易的AI。
在整體的信用卡交易中，詐騙交易數量僅佔正常交易的約1/500～1/600。讓AI學習時，這兩種交易的資料量最好是均衡的。以前也有透過生成虛擬的詐騙交易資料來等比縮小兩種資料量之間差異的方法，但虛擬詐騙交易資料的生成方法並不合適，妨礙了精度的提高。
NEC等利用加拿大D-Wave Systems公司的「量子退火」式量子電腦生成了虛擬的詐騙交易資料。在調查詐騙交易資料之間的關係的同時，還考慮了發生詐騙行為的難易程度，虛擬出了符合實際情況的詐騙交易資料。
研究團隊對個人資訊等進行量化，根據面向研究用途公開的近400筆信用卡詐騙交易資料生成了虛擬的詐騙交易資料，並與大約22萬筆正常交易資料相結合，讓AI進行學習。
研究團隊與學習利用常規方法生成的虛擬詐騙交易資料的AI進行了比較。大量生成虛擬詐騙資料時的詐騙交易偵檢率爲54％，比常規方法增加了10%左右。
量子退火式量子電腦適合用來從大量的選項中選出最佳組合，非常適合用來解決社會問題。目前已經在緩解交通擁堵、制定工廠整體的生產計劃和新藥開發等領域取得了一些研究成果，但還缺乏廣泛的應用。
此次發現量子退火式量子電腦可用來生成資料，今後還計劃用於金融領域。還能用於與詐騙交易一樣存在資料不均衡問題的設備故障檢測等。
此次研究使用的量子電腦，量子位元數爲2000個。富士通等的擬退火量子式電腦的性能達到了100萬個量子位元。今後需要繼續操作探索能發揮量子電腦的高計算速度和精度等優勢的領域。
日文：大越優樹、《日經產業新聞》，2021/04/07
中文：JST客觀日本編輯部
