論文の概要: Quantum Approximate Optimization Algorithm for Spatiotemporal Forecasting of HIV Clusters

• arxiv url: http://arxiv.org/abs/2507.00848v1
• Date: Tue, 01 Jul 2025 15:19:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.690716
• Title: Quantum Approximate Optimization Algorithm for Spatiotemporal Forecasting of HIV Clusters
• Title（参考訳）: HIVクラスターの時空間予測のための量子近似最適化アルゴリズム
• Authors: Don Roosan, Saif Nirzhor, Rubayat Khan, Fahmida Hai, Mohammad Rifat Haidar,
• Abstract要約: 我々は、2022年のAIDSVuと合成SDoHデータを用いて、ZIPコードレベルでのHIVの有病率を量子加速機械学習を用いて分析した。 我々は、HIVの流行予測のためのハイブリッド量子古典ニューラルネットワークを開発し、量子ベイズネットワークを用いて、SDoH因子とHIVの発生率の因果関係を探索した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HIV epidemiological data is increasingly complex, requiring advanced computation for accurate cluster detection and forecasting. We employed quantum-accelerated machine learning to analyze HIV prevalence at the ZIP-code level using AIDSVu and synthetic SDoH data for 2022. Our approach compared classical clustering (DBSCAN, HDBSCAN) with a quantum approximate optimization algorithm (QAOA), developed a hybrid quantum-classical neural network for HIV prevalence forecasting, and used quantum Bayesian networks to explore causal links between SDoH factors and HIV incidence. The QAOA-based method achieved 92% accuracy in cluster detection within 1.6 seconds, outperforming classical algorithms. Meanwhile, the hybrid quantum-classical neural network predicted HIV prevalence with 94% accuracy, surpassing a purely classical counterpart. Quantum Bayesian analysis identified housing instability as a key driver of HIV cluster emergence and expansion, with stigma exerting a geographically variable influence. These quantum-enhanced methods deliver greater precision and efficiency in HIV surveillance while illuminating critical causal pathways. This work can guide targeted interventions, optimize resource allocation for PrEP, and address structural inequities fueling HIV transmission.
• Abstract（参考訳）: HIVの疫学的データはますます複雑化しており、正確なクラスターの検出と予測には高度な計算が必要である。 我々は、2022年のAIDSVuと合成SDoHデータを用いて、ZIPコードレベルでのHIVの有病率を量子加速機械学習を用いて分析した。 提案手法は,古典的クラスタリング (DBSCAN, HDBSCAN) と量子近似最適化アルゴリズム (QAOA) を比較し,HIVの有病率予測のためのハイブリッド量子古典ニューラルネットワークを開発し,量子ベイズネットワークを用いてSDoH因子とHIVの発生率の因果関係を探索した。 QAOAベースの手法は、1.6秒以内のクラスタ検出において92%の精度を達成し、古典的アルゴリズムよりも優れていた。 一方、このハイブリッド量子古典ニューラルネットワークは、HIVの感染率を94%の精度で予測した。 量子ベイズ分析により、住宅の不安定性はHIVクラスターの出現と拡大の鍵となる要因であり、スティグマは地理的に変動する影響を及ぼした。 これらの量子増強法は、重要な因果経路を照らしながらHIVの監視においてより精度と効率を向上する。 この研究は、標的となる介入を誘導し、PrEPのリソース割り当てを最適化し、HIV感染を助長する構造的不平等に対処することができる。

関連論文リスト

• Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions [6.699192644249841]
  回収率予測は、リスク評価の強化、ポートフォリオ割り当ての最適化、価格精度の向上など、債券投資戦略において重要な役割を担っている。 本稿では,Amplitudeを用いたハイブリッド量子機械学習(QML)モデルを提案する。 我々は1996年から2023年までの1,725の観測結果からなる地球規模の回復率データセット上でモデルを評価した。
  論文  参考訳（メタデータ） (2025-01-27T07:27:23Z)
• Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
  本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。 提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
  論文  参考訳（メタデータ） (2024-06-17T14:10:10Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• Quantum Deep Learning for Mutant COVID-19 Strain Prediction [22.182326473943004]
  新型コロナウイルス感染の可能性のある変異(特にスパイクタンパク質)の早期予測は、早期の予防と治療につながる可能性がある。 本稿では,DeepQuantumという開発ツールを提案し,このソフトウェアを用いてスパイクタンパク質の変動構造を予測する。 さらに、このハイブリッド量子古典モデルは、量子にインスパイアされたぼやけた畳み込みを初めて達成した。
  論文  参考訳（メタデータ） (2022-03-04T08:33:28Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。