論文の概要: QuPID: Quantum Parameter-Efficient Input-Dependent Retrieval Adaptation for Medical RAG
- arxiv url: http://arxiv.org/abs/2609.33351v1
- Date: Sun, 27 Sep 2026 08:22:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:52:08.076667
- Title: QuPID: Quantum Parameter-Efficient Input-Dependent Retrieval Adaptation for Medical RAG
- Title（参考訳）: QuPID:医療用RAGのための量子パラメータ効率の高い入力依存検索適応
- Abstract要約: QuPIDは、量子パラメータ効率の入力依存型検索適応である。
凍結した画像の特徴を限られたデータでローカルアーカイブに適応させる。
凍った医療エンコーダよりも、ChestX-ray14とmuraでAT-5(P@5)の精度が高い。
- 参考スコア（独自算出の注目度）: 43.163742253145635
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fidelity-based quantum retrieval ranks candidates by the fidelity between query and archive states. Applying a shared input-independent unitary after fixed state encoding leaves that fidelity unchanged, so training the circuit cannot alter the ranking. Quantum parameter-efficient input-dependent retrieval adaptation (QuPID) repairs this by making the circuit input-dependent through data re-uploading and by comparing measurement readouts, vectors of local Pauli expectations, rather than states. The result is a small readout for adapting frozen image features to a local archive with limited data: training simulates the circuit classically, and inference runs on a GPU with fixed learned parameters. We characterize the class as a structured factorization of input-modulated quadratic feature maps, bound the frequency support of its re-uploading channel, and give a parameter-count generalization bound that motivates its small budget. Under a shared frozen backbone and a label-free protocol, QuPID's 60 parameters give higher precision-at-5 (P@5) on ChestX-ray14 and MURA than frozen medical encoders, and than adapters and low-rank adaptation (LoRA) with up to 5.25 million trainable parameters. On ChestX-ray14, the P@5 gain over the frozen encoder is +0.116, the lead over retuned adapters is widest at 512 adaptation examples (+0.040), and the full-budget margin over an equally compact classical rotation-plane head is +0.023 with a 95% interval excluding zero. Medical imaging is the primary testbed; the pattern recurs on two non-medical benchmarks, in report generation, and under simulated gate noise and finite-shot readout.
- Abstract（参考訳）: 忠実度に基づく量子検索は、クエリー状態とアーカイブ状態の間の忠実度によって候補をランク付けする。
固定状態符号化後の共有入力非依存のユニタリを適用すると、その忠実さは変わらないため、回路のトレーニングはランキングを変更することができない。
量子パラメータ効率の入力依存型適応(QuPID)は、データ再アップロードによる回路入力依存と、状態ではなく局所的なパウリ期待ベクトルである測定読み出しを比較することでこれを修復する。
トレーニングは回路を古典的にシミュレートし、推論は一定の学習パラメータを持つGPU上で実行される。
入力変調された二次特徴写像の構造的分解としてクラスを特徴付け、再アップロードチャネルの周波数サポートを束縛し、その小さな予算を動機付けるパラメータ数一般化バウンダリを与える。
共有冷凍バックボーンとラベルフリーのプロトコルの下では、QuPIDの60のパラメータは、最大525万のトレーニング可能なパラメータを持つアダプタやローランク適応(LoRA)よりも、ChestX-ray14とmuraの精度の高いat-5(P@5)を提供する。
ChestX-ray14では、冷凍エンコーダのP@5ゲインは+0.116、調整されたアダプタのリードは512適応例(+0.040)で最大であり、同様にコンパクトな古典的な回転平面ヘッドのフル予算マージンは+0.023であり、0を除く95%間隔である。
医用画像は主要なテストベッドであり、このパターンは2つの非医療ベンチマーク、レポート生成、シミュレートされたゲートノイズと有限ショット読み出しの下で再帰する。
関連論文リスト
- Quantum Feature Engineering for Credit Default Prediction: When and Why IQP Circuits Help Linear Classifiers [3.029054495277686]
IQP回路は,従来のベースラインとKernel PCAの両方に比較して,分類器を改善することができることを示す。
ランダムフォレスト重要誘導選択は F1 = 0.523 に到達し、最大で非相関な特徴の符号化は 0.496 に減少する。
論文 参考訳（メタデータ） (2026-09-09T17:41:27Z) - Quantum-Inspired Hybrid Neural Networks for Neural Decoding: A Controlled Ablation Study of Learnable Quantum Sidecar Integration [5.2726003549534655]
本稿では,ResNet-50バックボーン内に残余のサイドカーモジュールとして集積されたパラメータ化量子回路(PQCs)について検討した。
ベースライン, 量子サイドカーとフリーズインプットプロジェクション, バックボーン・グラディエント・トレーニングプロジェクションの量子サイドカー, アングルエンコーディングを回路計測結果と整合させる測定誘導変種を比較検討した。
論文 参考訳（メタデータ） (2026-08-23T15:55:43Z) - S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。
RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
論文 参考訳（メタデータ） (2026-08-18T08:05:00Z) - LLM-Guided Initialization for Accelerated Hybrid Quantum-Classical Medical Image Classification [0.0]
本稿では,Zhuang と Cunningham が提案した AdaInit (Adaptive Initialization) を評価し,大規模言語モデルを用いて量子ニューラルネットワークの初期パラメータを提案する。
AdaInitは、ランダムに14.6倍の勾配を提供し、160倍の収束を実現し、同じ分類精度は61.4パーセントを維持している。
この結果は、AdaInitを医用画像設定で検証し、実用的なスピードアップのためにGPU加速量子バックエンドとの互換性を実証する。
論文 参考訳（メタデータ） (2026-07-29T07:24:48Z) - Configurable Algorithms for Histopathologic Cancer Detection on Quantum Hardware [3.569867801312132]
病理組織学的癌検出は, 組織変動, 染色の違い, 病巣間の微妙な視覚的区別が原因で困難である。
本稿では,二段階CSWAP回路(DG-CSWAP)とハードウェア効率の高い破壊スワップ回路(DG-DST)の2つの量子アルゴリズムを提案する。
読み出し誤差補正、バイアスサブトラクション、傾斜回帰を含む3段階のNISQ軽減パイプラインは、シングルピクセルのハードウェアMSEを8倍削減する。
論文 参考訳（メタデータ） (2026-06-19T21:12:51Z) - Entropy Across the Bridge: Conditional-Marginal Discretization for Flow and Schrödinger Samplers [68.9946633641494]
フローマッチングとシュルディンガーブリッジは確率を定義するが、その推論格子は通常一点拡散から受け継がれる。
終端条件付き橋梁形状を境界流の進化から分離し, 橋梁を識別する条件付きエントロピーレートを導出する。
EDM/CIFAR-10では、エントロピックな時間分散は5段階のFID(186.3 pm 4.0対200.5 pm 2.9対cosineの238.0 pm 5.3)が最適である。
論文 参考訳（メタデータ） (2026-05-15T16:11:10Z) - A Unified Hardware-to-Decoder Architecture for Hybrid Continuous-Variable and Discrete-Variable Quantum Error Correction in LiDMaS+ [4.11280059407553]
LiDMaS+(LiDMaS+)は、連続可変量子誤り訂正のためのアーキテクチャレベルのハードウェア-論理-復号器実行スタックである。
本稿では,連続変数と離散変数のハイブリッド量子誤り訂正のためのアーキテクチャレベルのハードウェア-論理-復号器実行スタックを提案する。
論文 参考訳（メタデータ） (2026-04-16T06:03:06Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - KG-FiD: Infusing Knowledge Graph in Fusion-in-Decoder for Open-Domain
Question Answering [68.00631278030627]
検索した通路間の構造的関係を知識グラフで利用することにより,ノイズのある通路をフィルタする新しい手法KG-FiDを提案する。
我々は,KG-FiDが解答一致スコアの最大1.5%向上し,計算コストの40%程度でFiDに匹敵する性能が得られることを示した。
論文 参考訳（メタデータ） (2021-10-08T18:39:59Z)
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。