Nutzung von Quantum-Algorithmen für Konsistenzprüfung in Finanzberichten

Solving Accounting Optimization Problems in the Cloud

Viele Anwendungen im automatisierten Prüfwesen sowie in der Analyse und Konsistenzprüfung von Finanzdokumenten können teilweise als das Teilsummenproblem formuliert werden: Gegeben eine Menge von Zahlen und eine Zielsumme, finde die Teilmenge von Zahlen, deren Summe der Zielsumme entspricht. Das Problem ist NP-schwer, und daher sind klassische Lösungsalgorithmen in vielen realen Anwendungen nicht praktikabel.
Wir behandeln das Problem als ein QUBO (quadratic unconstrained binary optimization) Problem und zeigen, wie Gradientenabstieg in Hopfield-Netzwerken zuverlässig Lösungen für sowohl künstliche als auch reale Daten findet. Wir skizzieren, wie dieser Algorithmus durch adiabatische Quantencomputer (Quantenannealer) und spezialisierte Hardware für digitales Annealing angewendet werden kann, und führen Experimente auf Quantenannealing-Hardware durch.

Projektziele

Unter dem Projektthema „Solving Accounting Optimization Problems in the Cloud”, untersuchen wir die Anwendbarkeit von Quantum-Computing-Methoden auf die Problemstellung der Konsistenzprüfung in Tabellen in Finanzberichten.
Wir formulieren das Problem als QUBO und untersuchen verschiedene Lösungsansätze:

Optimierung von Hopfield-Netzwerken auf GPUs
Optimierung von Hopfield-Netzwerken auf FPGAs
Direkte Lösung auf Quantum-Annealing Hardware

Wir untersuchen dabei sowohl künstlich erzeugte Test-Daten als auch Daten aus realen Finanzberichten.

Projektergebnisse

Im Laufe dieses Projekts haben wir untersucht, wie das Teilsummenproblem eine wichtige Rolle bei der Automatisierung des Finanzprüfungsprozesses spielt und wie das Teilsummenproblem als eine bekannte Problemarchitektur neu formuliert werden kann, die durch die Anwendung von Gradientenabstieg auf die Energielandschaft von Hopfield-Netzwerken gelöst werden kann.
Wir haben festgestellt, dass der vorgeschlagene Algorithmus zuverlässig korrekte Summenstrukturen für künstliche und reale Daten findet.

Wir haben einen Überblick über die Möglichkeiten adiabatischer Quantencomputer für die vorgeschlagene Aufgabe und ihre aktuellen Einschränkungen gegeben. Wir haben die Leistungsfähigkeit von Quantenannealern für das Teilsummenproblem bewertet und festgestellt, dass der Algorithmus für Probleme mit kleinem Wertebereich zuverlässig korrekte Lösungen findet.
Mit der zunehmenden Leistungsfähigkeit von Quantenhardware wird der Einsatz von Quantencomputern für reale Anwendungen im Finanzbereich in naher Zukunft eine realistische Möglichkeit sein.

Nächste Schritte

Wir untersuchen die Integration des Algorithmus in bestehende intelligente Prüfungssoftware und planen weitere Experimente auf leistungsstärkerer Quantum-Hardware.