論文の概要: TabularQGAN: A Quantum Generative Model for Tabular Data

• arxiv url: http://arxiv.org/abs/2505.22533v1
• Date: Wed, 28 May 2025 16:19:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.724831
• Title: TabularQGAN: A Quantum Generative Model for Tabular Data
• Title（参考訳）: TabularQGAN: タブラリデータのための量子生成モデル
• Authors: Pallavi Bhardwaj, Caitlin Jones, Lasse Dierich, Aleksandar Vučković,
• Abstract要約: 合成データは、現実世界のデータが少ない、あるいはプライベートなシナリオで有用であり、既存のデータセットを拡張または置換するために使用することができる。 本稿では、フレキシブルなデータ符号化と新しい量子回路アンサッツを備えた量子生成逆ネットワークアーキテクチャを提案する。 提案手法はMIMIC IIIヘルスケアデータセットとアダルト・センサスデータセットでテストされ、主要な古典的モデルに対して広範なベンチマークが行われる。
• 参考スコア（独自算出の注目度）: 42.34625645992943
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we introduce a novel quantum generative model for synthesizing tabular data. Synthetic data is valuable in scenarios where real-world data is scarce or private, it can be used to augment or replace existing datasets. Real-world enterprise data is predominantly tabular and heterogeneous, often comprising a mixture of categorical and numerical features, making it highly relevant across various industries such as healthcare, finance, and software. We propose a quantum generative adversarial network architecture with flexible data encoding and a novel quantum circuit ansatz to effectively model tabular data. The proposed approach is tested on the MIMIC III healthcare and Adult Census datasets, with extensive benchmarking against leading classical models, CTGAN, and CopulaGAN. Experimental results demonstrate that our quantum model outperforms classical models by an average of 8.5% with respect to an overall similarity score from SDMetrics, while using only 0.072% of the parameters of the classical models. Additionally, we evaluate the generalization capabilities of the models using two custom-designed metrics that demonstrate the ability of the proposed quantum model to generate useful and novel samples. To our knowledge, this is one of the first demonstrations of a successful quantum generative model for handling tabular data, indicating that this task could be well-suited to quantum computers.
• Abstract（参考訳）: 本稿では,グラフデータ合成のための新しい量子生成モデルを提案する。 合成データは、現実世界のデータが少ない、あるいはプライベートなシナリオで有用であり、既存のデータセットを拡張または置換するために使用することができる。 現実の企業データは、主に表と異質であり、しばしば分類的特徴と数値的特徴が混在しているため、医療、金融、ソフトウェアといった様々な産業において非常に関連性が高い。 本稿では,フレキシブルなデータエンコーディングを備えた量子生成逆ネットワークアーキテクチャと,表層データを効果的にモデル化するための新しい量子回路アンサッツを提案する。 提案手法はMIMIC IIIヘルスケアデータセットとアダルト・センサスデータセットでテストされ、主要な古典モデルであるCTGANとCopulaGANに対して広範なベンチマークが行われた。 実験の結果,従来のモデルのパラメータの0.072%しか使用せず,SDMetricsの全体的な類似度スコアに対して,従来のモデルよりも平均8.5%優れていた。 さらに,提案した量子モデルが有用で斬新なサンプルを生成する能力を示す2つのカスタム設計メトリクスを用いて,モデルの一般化能力を評価する。 私たちの知る限り、これはグラフデータを扱う量子生成モデルの成功例の1つであり、このタスクが量子コンピュータに適していることを示している。

関連論文リスト

• Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset [0.0]
  本稿では,医学データセットの不確実性を考慮した分類を行う量子古典ベイズニューラルネットワーク(QCBNN)を提案する。 予測性能とモデルの不確実性の両方を捉える複数の行動メトリクスを追跡します。 より不確実な方法でサンプルを分類できるハイブリッドモデルを作ることは、私たちの野望です。
  論文  参考訳（メタデータ） (2024-06-10T14:23:25Z)
• $ζ$-QVAE: A Quantum Variational Autoencoder utilizing Regularized Mixed-state Latent Representations [1.0687104237121408]
  量子コンピューティングにおける大きな課題は、量子ハードウェアリソースが不足しているため、大規模な実世界のデータセットに適用することである。 古典的VAEのすべての機能を含む完全量子フレームワークである$zeta$-QVAEを提示する。 我々の結果は、$zeta$-QVAEが潜在空間の容量をよりよく活用する表現を学習していることを示している。
  論文  参考訳（メタデータ） (2024-02-27T18:37:01Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)

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。