CaixaBank crea el primer modelo para clasificar riesgos de la banca española con computación cuántica

Imagen corporativa de CaixaBank.
Imagen corporativa de CaixaBank. - CAIXABANK
Publicado: jueves, 16 abril 2020 11:56

BARCELONA, 16 Abr. (EUROPA PRESS) -

CaixaBank ha desarrollado el primer algoritmo de 'machine learning' para la clasificación de riesgos de la banca española empleando computación cuántica, convirtiéndose así en la primera entidad española en aplicar 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.

Para ello, la entidad presidida por Jordi Gual 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, ha informado en un comunicado este jueves.

Con este proyecto, CaixaBank mejora en la simulación de escenarios de riesgo y aprendizaje automático (machine learning), a la vez que avanza en su análisis de las aplicaciones de la computación cuántica.

Los ordenadores cuánticos se basan en las propiedades de los superconductores, que integran sus unidades de proceso, los qubits, en lugar de bits clásicos, y 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.

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.

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 pero en mucho menos tiempo.

Previamente a este desarrollo, CaixaBank impulsó un proyecto para llevar a cabo simulaciones de evaluación del riesgo de activos financieros.

En este campo, la entidad implementó un algoritmo cuántico capaz de evaluar el riesgo financiero de dos carteras creadas específicamente por el proyecto a partir de datos reales, una de hipotecas y otra de bonos del Tesoro.

Leer más acerca de: