Da IceCube a IT-Sphere: una GNN quantistica-classica ibrida per l’analisi delle cause alla radice nell’IT bancario

Abstract degli autori

Presentiamo Hybrid Quantum Root Cause Analysis (HQ-RCA), un flusso di lavoro basato su casi industriali per l’analisi delle cause profonde nelle operazioni IT bancarie, costruito su una Quantum Graph Neural Network ibrida (QGNN): l’architettura classica di base di DynEdge (la GNN per la ricostruzione dei neutrini di IceCube, che chiamiamo DynEdge standalone), con la sua testa di classificazione sostituita da un Variational Quantum Circuit (VQC). Su 13 mesi di dati IT anonimizzati (13 mila cluster di allarmi) provenienti da una grande banca europea, la QGNN ibrida eguaglia DynEdge standalone — il più solido baseline classico — in termini di $F_1$, mentre DynEdge standalone è in testa nelle metriche di ranking. Uno studio sulla sensibilità della lettura e sulla robustezza del layout, analizzato tramite Dimensional Expressivity Analysis (DEA), mostra che la dimensionalità effettiva dei parametri (rango) dell’osservabile quantistica non presenta una correlazione misurabile con $F_1$; manteniamo quindi la lettura più semplice $\langle Z_0\rangle$ (il valore atteso di Pauli-$Z$ sul primo qubit), che nel layout implementato ha rango 1, riducendo l’ottimizzazione a un problema unidimensionale risolvibile con una scansione a griglia senza gradienti. L’esecuzione su IBM Heron r2 (senza mitigazione degli errori) mostra che questa lettura senza gradienti è eseguibile su hardware NISQ dopo la ricalibrazione della soglia.