织梦教育培训网站源码/软件开发工资一般多少

量子前哨重磅推出独家专题《“量子+”百人科学家》，我们将遍访全球探索赋能“量子+”场景应用的百位优秀科学专家，从商业视角了解当下各行业领域的“量子+”最新研究成果，多角度、多维度、多层面讲述该领域的探索历程，为读者解析商业洞见：“量子+”科技前沿的最新研究与行业答疑。

全文共2732字，阅读时间大约需要6分钟。

LAMBDA实验室是平安银行战略发展部旗下的创新实验室，主要负责探索如量子计算、物联网、航天航空、区块链等前沿科技在金融领域的应用，曾主导平安银行联合合作伙伴共同发射卫星，自研卫星终端，助力星云物联计划。

在量子计算方面，实验室目前针对金融场景，实现量子特征筛选与量子社区发现算法自研，并积极与业内的量子企业共同开展课题，共同推动量子计算的发展。

量子前哨很荣幸能专访到LAMBDA实验室负责人崔孝林，从平安银行的研究视角来了解其在“量子+金融”场景下的技术优势，以及量子计算可赋能金融科技领域的应用难点与挑战。

以下为专访实录，干货满满：

量子+金融

小哨子：请问能简单介绍一下LAMBDA实验室探索“量子计算”在金融领域应用的研究历程吗？在这一历程中令您印象最为深刻的一件事是什么？

崔孝林：LAMBDA实验室是平安银行战略发展部旗下的创新实验室，我们主要关注和研究前沿科技，并探索其在金融场景下的应用，量子计算就是我们的研究方向之一。

关于量子计算，我们主要从两个方向走：一方面结合银行自身业务场景，自研相关算法；另一方面积极和量子产业产生共振交流，共同推进量子计算在应用场景的落地。

2021年量子计算开始进入公共视野，实验室关注到了相关技术，当时实验室就量子计算基础原理开展相关研究，进行技术储备，到后面量子计算开始逐渐成熟后，我们就开始进行算法的实践探索。

借助银行自身的业务场景，实验室的算法专家深入到业务场景中，探索出了多个量子计算在场景方面的应用课题，最终结合实际应用和社会价值，确定了两个方向：

一是针对银行海量数据的建模问题，我们采用量子特征筛选快速选出有效特征；另一个是针对金融风控场景，我们采用了量子社区发现算法助力反欺诈、反洗钱。未来我们还会沿着这样的路径去继续挖掘更多金融场景，利用量子计算进行探索。

小哨子：LAMBDA目前针对金融场景，进行了量子特征筛选与量子社区发现的算法自研，请问现在已经研究到哪一阶段了？能展开讲讲吗？

崔孝林：如之前所说，首先针对海量数据的建模问题，我们进行了量子特征筛选算法的预研。

在业务中，针对数据的特征筛选中求最优特征组合的这个过程，我们升级了现有的技术模式，将传统的算法，通过公式变换转化为一个“量子问题”，最后实现量子计算求解。

我们和信贷风险及数据分析团队共同研究，利用量子计算算力强大的特性，在贷款场景中对特征筛选过程进行优化。

但在研究过程中，我们遇到了当前量子计算普遍存在的问题——量子计算机的量子比特数不足，无法大规模处理数据，应用场景受限。

一般而言，数据集特征数量多达数百个，普通的量子计算机和模拟器解决这样规模的问题有一定难度。因此，我们创新地采用了分治求解的思路，保证大数据量情况下，在量子比特较少的计算机上实现求解，克服了应用难题。

结果显示，相比于传统算法，我们比之前的算法有了明显的优化提升，并在真实的数据集上进行了验证。据我们所了解，这是国内量子计算鲜有的在数百个特征量、数十万条数据规模上进行运算，并取得良好效果的实验。

另一个是针对金融风控场景下的社区发现问题：在当前银行的反欺诈业务中，图社区发现算法是重要的业务过程，简单来说，在海量的大数据里，我们将每个人看做是一个点，人和人之间的关系，例如转账、交易等，看做一条边，这样我们就构建起了一个图谱。

星盘图谱图例

在这样的图谱中，有风险倾向的人会跟他周边的人产生数据交互，通过技术，我们更容易在图谱中发现有问题的欺诈团伙。但是，随着数据的复杂情况增加，以及数据量的增大，现有的计算机计算遇到了算力瓶颈问题，普通计算机的算力不够用。

目前分析出一个欺诈团伙的实践现在已经增加到18小时，随着业务数据量的增加，未来耗时会越来越多，可能会变成几天、几个月，对打击金融犯罪是不利的。

在技术层面，造成这样的问题是由于传统的算法求解需要反复迭代求解，耗费大量时间、算力。经过我们的研究，传统算法的社区划分可以转化为QUBO方程的求解形式，这是典型的“量子问题”，这样就可以利用量子计算机的强大算力，一次性进行快速求解。

总的来说，实验室一边结合银行自身业务场景进行相关算法自研，在这样的探索基础上，再和业内的量子企业共同寻找用量子计算的方法继续解决相关问题，让量子计算切实走入我们的生活。

小哨子：近期，平安银行正积极与业内的量子企业共同开展课题研究以及推动量子产业的落地，请问有具体的案例分享吗？LAMBDA在其中发挥着什么样的作用？

崔孝林：银行有海量的数据需要处理。此前提到的量子特征筛选算法，在处理中，我们和玻色量子一起进行了研究与验证。玻色量子的第一代光量子计算机是一种专用的量子计算机，能够有效的解决最终可以转化为QUBO方程求解的组合优化问题，使得我们有机会低成本地对技术进行研究和验证，而不是构建理论上的“空中楼阁”。

未来针对挖掘出的金融风控的风险卡阈值场景，我们也将和玻色量子共同研究：风险卡阈值是对客户授信之前，需要经过多重规则对客户进行评分，最后需要对用户的风险进行综合计算评价。

我们也期待玻色量子充分发挥自身在光量子计算领域的独特优势和强大的技术实力，双方全面强化金融风险防控，共同推进光量子计算的应用落地。

除了技术层面，我们也和玻色量子在高校合作举办相关比赛，期许在中国自己的土壤上，能培养和挖掘出更多开拓创新的研发队伍。

同时针对金融风控下另一场景，反欺诈、反洗钱，在今年1月，我们和本源量子牵手合作，将在此前社区发现算法的基础上，共同进行量子金融算法的研究与落地，并期待使用量子计算机真机进行算法的验证。

整体来说，LAMBDA实验室一边针对银行业务，关注前沿技术，帮助银行建立相关的技术储备，并在合适的时机搭建起科技公司和金融业交流的桥梁，让技术真正地用起来。

在量子计算中，与专业的企业合作，既可以保障我们金融行业在量子技术应用成熟度还不够时，以较低成本掌握相关理论和技术发展情况，结合自身实际诉求探索出适合自身发展的量子技术应用场景，还可以在技术成熟时，有效掌握核心技术，并通过与外部金融科技生态伙伴合作有效降低自身研发成本。

我相信对于量子计算行业而言，与金融机构的合作不仅能够精准了解金融领域应用场景，加速量子技术与金融领域的融合，还能进一步推进量子计算的发展落地。

小哨子：在金融科技领域，请问您认为量子计算距离真正实现爆发式应用，还需经历哪些时期？大约需要多少年？

崔孝林：目前业内普遍认为，量子计算的应用普及必将对全球经济和金融体系产生深远的影响。

相比经典电子计算机，量子计算机可以提供最高至指数级的算力提升，这将会给我们需要处理分析海量数据的金融领域带来飞跃性的提升。

从整体的大环境以及相关调研来看，我们相信量子计算的落地的脚步已经越来越近，也许近5年将会看到一个实质性的突破。当然目前我们正处于一个难得的窗口期，我相信，越早关注量子计算的企业，越有机会脱颖而出拿到下一个计算时代入场券。

文：慕一

编辑：王珩