論文の概要: Quantum Machine Learning for Digital Health? A Systematic Review

• arxiv url: http://arxiv.org/abs/2410.02446v1
• Date: Thu, 3 Oct 2024 12:41:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 03:11:05.551839
• Title: Quantum Machine Learning for Digital Health? A Systematic Review
• Title（参考訳）: デジタルヘルスのための量子機械学習 : システムレビュー
• Authors: Riddhi S. Gupta, Carolyn E. Wood, Teyl Engstrom, Jason D. Pole, Sally Shrapnel,
• Abstract要約: 量子機械学習(QML)がデジタルヘルスデータ処理に経験的な優位性をもたらすかどうか、まだ明らかでない。 デジタル電子健康医療記録(EH/MR)と、EH/MRの適切なプロキシであると考えられるデータを含める。 デジタルヘルスにおけるQMLの応用は、主に医療サービス提供や公衆衛生ではなく、臨床上の意思決定支援に焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the digitization of health data, the growth of electronic health and medical records lowers barriers for using algorithmic techniques for data analysis. While classical machine learning techniques for health data approach commercialization, there is not yet clear evidence whether quantum machine learning (QML) will provide any empirical advantage for digital health data processing. In this systematic literature review we assess whether QML algorithms have the potential to outperform existing classical methods in efficacy or efficiency. We include digital electronic health/medical records (EH/MRs) and data considered to be a reasonable proxy to EH/MRs. Eligible QML algorithms must be designed for quantum computing hardware, as opposed to quantum-inspired techniques. PubMed, Embase, IEEE, Scopus and arXiv yielded 4915 studies between 2015 to 10 June 2024. After screening 169 eligible studies, most studies contained widespread technical misconceptions about QML and we excluded 123 studies for insufficient rigor in analysis. Of the remaining 46 studies, only 16 studies consider realistic QML operating conditions, either by testing algorithms on quantum hardware, or using noisy quantum circuits when assessing QML algorithms. We find QML applications in digital health focus primarily on clinical decision support rather than health service delivery or public health. Nearly all QML models are linear quantum models, and therefore represent a subset of general quantum algorithms. Meanwhile, novel data-encoding strategies do not address scalability issues, except in regimes requiring restrictive assumptions about quantum hardware, rendering these protocols inefficient for the general encoding of large health datasets. By establishing the current state of evidence for QML-based health applications, we pave the way for meaningful dialogue about QML use-case discovery in digital health.
• Abstract（参考訳）: 健康データのデジタル化により、電子健康と医療記録の成長は、データ分析にアルゴリズム技術を使用する際の障壁を低くする。 医療データに対する古典的な機械学習技術は商業化にアプローチするが、量子機械学習(QML)がデジタルヘルスデータ処理に実証的な優位性をもたらすかどうかはまだ明らかではない。 この体系的な文献レビューでは、QMLアルゴリズムが既存の古典的手法よりも有効か効率が高いかを評価する。 デジタル電子健康医療記録(EH/MR)と、EH/MRの適切なプロキシであると考えられるデータを含める。 QMLアルゴリズムは量子に着想を得た技術とは対照的に、量子コンピューティングハードウェア向けに設計されなければならない。 PubMed、Embase、IEEE、Scopus、arXivは2015年から2024年6月10日までに4915の研究を行った。 対象とした研究169件を検診した後,QMLに関する技術的誤解が広範囲に及んだ結果,分析の厳格性に乏しい123件を除外した。 残りの46の研究のうち、量子ハードウェア上でアルゴリズムをテストするか、QMLアルゴリズムを評価する際にノイズの多い量子回路を使用するかによって、現実的なQML動作条件を考えるのは16の研究のみである。 デジタルヘルスにおけるQMLの応用は、主に医療サービス提供や公衆衛生ではなく、臨床上の意思決定支援に焦点を当てている。 ほぼ全てのQMLモデルは線形量子モデルであり、従って一般量子アルゴリズムのサブセットを表す。 一方、新しいデータエンコーディング戦略はスケーラビリティの問題に対処しないが、量子ハードウェアに関する制限的な仮定を必要とするレジームでは、これらのプロトコルは大規模な健康データセットの一般的なエンコーディングには非効率的である。 デジタルヘルスにおけるQML利用事例発見に関する有意義な対話の道を開いた。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Machine Learning and Quantum Intelligence for Health Data Scenarios [0.0]
  従来の機械学習アルゴリズムは、高次元または限られた品質のデータセットでしばしば課題に直面している。 量子機械学習は、重ね合わせや絡み合いなどの量子特性を活用し、パターン認識と分類を強化する。 本稿では、QMLの医療への応用について検討し、心疾患予測とCOVID-19検出のための量子カーネル法とハイブリッド量子古典的ネットワークに焦点を当てた。
  論文  参考訳（メタデータ） (2024-10-28T01:04:43Z)
• QML-IDS: Quantum Machine Learning Intrusion Detection System [1.2016264781280588]
  本稿では量子コンピューティングと古典コンピューティングを組み合わせた新しい侵入検知システムQML-IDSを提案する。 QML-IDSはQuantum Machine Learning(QML)手法を用いてネットワークパターンを分析し、攻撃活動を検出する。 我々は,QML-IDSが攻撃検出に有効であることを示し,バイナリおよびマルチクラス分類タスクで良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-10-07T13:07:41Z)
• Generalization Error Bound for Quantum Machine Learning in NISQ Era -- A Survey [37.69303106863453]
  我々は、NISQ時代における教師付き量子機械学習(QML)の最先端の一般化について、システムマッピング研究(SMS)を実施している。 本研究は,既存の計算プラットフォームを,量子ハードウェア,データセット,最適化手法,文献に見られる境界の共通特性で体系的に要約する。 SMSはまた、NISQ時代のQMLの限界と課題を強調し、分野を前進させる今後の研究の方向性について論じている。
  論文  参考訳（メタデータ） (2024-09-11T21:17:30Z)
• QuanTest: Entanglement-Guided Testing of Quantum Neural Network Systems [45.18451374144537]
  量子ニューラルネットワーク(QNN)は、ディープラーニング(DL)原理と量子力学の基本理論を組み合わせて、量子加速による機械学習タスクを実現する。 QNNシステムは従来の量子ソフトウェアと古典的なDLシステムとは大きく異なり、QNNテストにとって重要な課題となっている。 QNNシステムにおける潜在的誤動作を明らかにするために,量子絡み合い誘導型対向テストフレームワークであるQuanTestを提案する。
  論文  参考訳（メタデータ） (2024-02-20T12:11:28Z)
• Drastic Circuit Depth Reductions with Preserved Adversarial Robustness by Approximate Encoding for Quantum Machine Learning [0.5181797490530444]
  本研究では, 変分, 遺伝的および行列積状態に基づくアルゴリズムを用いて, 符号化画像データを表す量子状態の効率的な作成法を実装した。 その結果、これらの手法は、標準状態準備実装よりも2桁も浅い回路を用いて、QMLに適したレベルにほぼ準備できることが判明した。
  論文  参考訳（メタデータ） (2023-09-18T01:49:36Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Quantum State Tomography using Quantum Machine Learning [0.0]
  量子状態トモグラフィ(QST)の効率を高めるために,量子機械学習(QML)技術の統合を提案する。 以上の結果から,QMLに基づくQST手法は従来手法に比べて測定精度が著しく低い高忠実度(98%)を実現可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-08-20T17:51:24Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Delegated variational quantum algorithms based on quantum homomorphic encryption [69.50567607858659]
  変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。 クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。 量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
  論文  参考訳（メタデータ） (2023-01-25T07:00:13Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。