論文の概要: Design Space Exploration of Hybrid Quantum Neural Networks for Chronic Kidney Disease

• arxiv url: http://arxiv.org/abs/2604.13608v1
• Date: Wed, 15 Apr 2026 08:23:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.448948
• Title: Design Space Exploration of Hybrid Quantum Neural Networks for Chronic Kidney Disease
• Title（参考訳）: 慢性腎臓病に対するハイブリッド量子ニューラルネットワークの設計空間探索
• Authors: Muhammad Kashif, Hanzalah Mohamed Siraj, Nouhaila Innan, Alberto Marchisio, Muhammad Shafique,
• Abstract要約: Hybrid Quantum Neural Networks (HQNNs)は、短期的な量子機械学習のための有望なパラダイムとして登場した。 慢性腎臓病診断のためのHQNNの設計空間を包括的に検討する。
• 参考スコア（独自算出の注目度）: 2.1702673021505245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid Quantum Neural Networks (HQNNs) have recently emerged as a promising paradigm for near-term quantum machine learning. However, their practical performance strongly depends on design choices such as classical-to-quantum data encoding, quantum circuit architecture, measurement strategy and shots. In this paper, we present a comprehensive design space exploration of HQNNs for Chronic Kidney Disease (CKD) diagnosis. Using a carefully curated and preprocessed clinical dataset, we benchmark 625 different HQNN models obtained by combining five encoding schemes, five entanglement architectures, five measurement strategies, and five different shot settings. To ensure fair and robust evaluation, all models are trained using 10-fold stratified cross-validation and assessed on a test set using a comprehensive set of metrics, including accuracy, area under the curve (AUC), F1-score, and a composite performance score. Our results reveal strong and non-trivial interactions between encoding choices and circuit architectures, showing that high performance does not necessarily require large parameter counts or complex circuits. In particular, we find that compact architectures combined with appropriate encodings (e.g., IQP with Ring entanglement) can achieve the best trade-off between accuracy, robustness, and efficiency. Beyond absolute performance analysis, we also provide actionable insights into how different design dimensions influence learning behavior in HQNNs.
• Abstract（参考訳）: 最近、Hybrid Quantum Neural Networks(HQNNs)が、短期量子機械学習の有望なパラダイムとして登場した。 しかし、それらの実用性能は、古典から量子へのデータ符号化、量子回路アーキテクチャ、測定戦略、ショットといった設計上の選択に強く依存している。 本稿では,慢性腎臓病(CKD)診断のためのHQNNの総合的な設計空間探索について述べる。 5つのエンコーディングスキーム,5つの絡み合いアーキテクチャ,5つの測定戦略,5つの異なるショット設定を組み合わせることで得られた625のHQNNモデルのベンチマークを行った。 公平かつロバストな評価を確保するため、全てのモデルは10倍の層状クロスバリデーションを用いてトレーニングされ、精度、曲線下面積(AUC)、F1スコア、複合性能スコアなどの総合的な測定値を用いてテストセットで評価される。 この結果から,符号化選択と回路アーキテクチャの相互作用が強く,非自明であり,高い性能は必ずしも大きなパラメータ数や複雑な回路を必要としないことが示された。 特に、コンパクトなアーキテクチャと適切なエンコーディング(例えば、IQPとリングの絡み合い)を組み合わせることで、精度、堅牢性、効率の最良のトレードオフが達成できる。 絶対的なパフォーマンス分析以外にも、HQNNにおける学習行動に異なる設計次元がどのように影響するかについての実用的な洞察も提供します。

関連論文リスト

• Benchmarking Encoding Families in Quantum Neural Networks Under Fixed Circuit Area for Frequency Spectrum and Trainability [0.0]
  量子ネットワーク(QNN)は、量子コンピューティングの原理を機械学習に統合するための有望なフレームワークを提供する。 本稿では,QNNのトレーニング性および近似特性を,合成および実世界のデータセット間のベンチマークおよび符号化戦略により検討する。 周波数スペクトルが目標関数の複雑さに合わせて調整されている場合、QNNは可能な限りコンパクトである。
  論文  参考訳（メタデータ） (2026-03-29T12:42:02Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• Regression of Functions by Quantum Neural Networks Circuits [41.09105068326236]
  本研究では,回帰タスクの自動量子回路構築について検討する。 遺伝的アルゴリズムフレームワークを導入し、Reduceed Regressor QNNアーキテクチャを発見する。
  論文  参考訳（メタデータ） (2025-12-23T01:58:03Z)
• Parallel Multi-Circuit Quantum Feature Fusion in Hybrid Quantum-Classical Convolutional Neural Networks for Breast Tumor Classification [0.0]
  本稿では、BreastMNISTデータセットのバイナリ分類のために設計されたハイブリッド量子古典畳み込みニューラルネットワーク(QCNN)アーキテクチャを提案する。 この結果から, ハイブリッドQCNNアーキテクチャは, 絡み合いと量子的特徴融合を利用して, 医用画像分類タスクを強化することができることがわかった。
  論文  参考訳（メタデータ） (2025-11-29T17:47:14Z)
• Leveraging Quantum-Based Architectures for Robust Diagnostics [0.0]
  本研究の目的は, 腎臓のCT画像を用いて腎臓結石, 嚢胞, 腫瘍の診断と鑑別を行うことである。 我々は、事前訓練されたResNet50エンコーダと量子畳み込みニューラルネットワーク(QCNN)を組み合わせて、量子支援診断を探索する。
  論文  参考訳（メタデータ） (2025-11-15T23:36:58Z)
• HQCNN: A Hybrid Quantum-Classical Neural Network for Medical Image Classification [0.0]
  本稿では,二進分類と多進分類のための新しいハイブリッド量子古典ニューラルネットワーク(HQCNN)を提案する。 HQCNNのアーキテクチャは、5層の古典的畳み込みバックボーンと4ビットの変動量子回路を統合している。 このモデルを6つのMedMNIST v2ベンチマークデータセットで評価する。
  論文  参考訳（メタデータ） (2025-09-16T08:02:53Z)
• Practical insights on the effect of different encodings, ansätze and measurements in quantum and hybrid convolutional neural networks [37.69303106863453]
  本研究では、量子およびハイブリッド畳み込みニューラルネットワーク(HQNN、QCNN)アーキテクチャにおけるパラメータ化量子回路(PQC)の設計選択について検討する。 我々は,データ符号化技術,変分アンゼアテンゼ,および約500の異なるモデル構成における測定の性能評価を行った。
  論文  参考訳（メタデータ） (2025-06-25T12:10:11Z)
• Benchmark on Drug Target Interaction Modeling from a Structure Perspective [48.60648369785105]
  薬物と標的の相互作用の予測は、薬物の発見と設計に不可欠である。 グラフニューラルネットワーク(GNN)やトランスフォーマーに基づく最近の手法は、さまざまなデータセットで例外的なパフォーマンスを示している。 我々は,GNNベースと暗黙的(トランスフォーマーベース)構造学習アルゴリズムを多用することにより,構造の観点からの薬物-標的相互作用モデリングの総合的な調査とベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T16:56:59Z)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• The Heterogeneity Hypothesis: Finding Layer-Wise Differentiated Network Architectures [179.66117325866585]
  我々は、通常見過ごされる設計空間、すなわち事前定義されたネットワークのチャネル構成を調整することを検討する。 この調整は、拡張ベースラインネットワークを縮小することで実現でき、性能が向上する。 画像分類、視覚追跡、画像復元のための様々なネットワークとデータセットで実験を行う。
  論文  参考訳（メタデータ） (2020-06-29T17:59:26Z)
• Dataless Model Selection with the Deep Frame Potential [45.16941644841897]
  ネットワークをその固有の能力で定量化し、ユニークでロバストな表現を行う。 本稿では,表現安定性にほぼ関係するが,ネットワーク構造にのみ依存する最小限のコヒーレンス尺度であるディープフレームポテンシャルを提案する。 モデル選択の基準としての利用を検証するとともに,ネットワークアーキテクチャの多種多様な残差および密結合化について,一般化誤差との相関性を示す。
  論文  参考訳（メタデータ） (2020-03-30T23:27:25Z)

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。