Landscape-Dependent Performance of Photonic Quantum Solvers in QUBO Feature Selection for Financial Risk Detection
Este artículo evalúa el rendimiento de los resolvedores clásicos, fotónicos y fotónicos simulados para la selección de características en la detección de riesgos financieros, revelando que, si bien los sistemas fotónicos como QCI Dirac-3 pueden igualar o superar el rendimiento clásico en tareas específicas, la elección del método de selección de características y la concentración de la señal predictiva en el conjunto de datos son determinantes de éxito más críticos que el paradigma de computación subyacente.