論文の概要: Quantum Entanglement in Variational Quantum Classification for Breast Cancer Diagnosis

• arxiv url: http://arxiv.org/abs/2609.34617v1
• Date: Mon, 28 Sep 2026 08:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:52:16.277776
• Title: Quantum Entanglement in Variational Quantum Classification for Breast Cancer Diagnosis
• Title（参考訳）: 乳癌診断のための変分量子分類における量子エンタングルメント
• Abstract要約: 本研究は、変異量子分類器(VQC)のエンタングル構造が乳癌診断におけるその性能とどのように関連しているかを考察する。 我々は,同じ効率のSU2アンサッツ,COBYLA,5倍のクロスバリデーションを持つ3つの3ビット構成を試験した。 AからCまでの平均エントロピーは0.40から0.71に上昇し、精度は92.98%から93.68%に上昇し、F1スコアは90.32%から91.28%に上昇した。
• 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: This study looks at how the entangling structure of a variational quantum classifier (VQC) relates to its performance in breast cancer diagnosis, using the Wisconsin Diagnostic Breast Cancer (WDBC) dataset. We tested three three-qubit configurations that share the same EfficientSU2 ansatz, COBYLA optimizer, and stratified five-fold cross-validation, but differ in their entangling structure: a single- repetition Ising-type coupling (A), a two-repetition linear Ising-type coupling (B), and a fully connected Heisenberg-type coupling (C). Entanglement was measured with the von Neumann entropy and the Wootters concurrence. From A to C, the mean entropy rose from 0.40 to 0.71, accuracy rose from 92.98% to 93.68%, and F1-score rose from 90.32% to 91.28%. Configuration C was also the most stable across folds. However, the fold-level correlations between entanglement and performance were weak and not significant. Richer topologies also increase circuit expressivity, so the two effects cannot be fully separated. These results show an association, not a proven causal link, between entangling structure and VQC performance.
• Abstract（参考訳）: 本研究は、ウィスコンシン診断乳がんデータセットを用いて、変異型量子分類器(VQC)のエンタングリング構造が乳がん診断におけるパフォーマンスとどのように関係しているかを考察する。 我々は,同じ効率のSU2アンサッツ,COBYLAオプティマイザ,および層状5倍のクロスバリデーションを共用する3つの3ビット構成を試験したが,その絡み合い構造が異なる: 単一繰り返しIsing型結合(A), 2繰り返し線形Ising型結合(B), 完全連結ハイゼンベルク型結合(C)。 エンタングルメントはフォン・ノイマンのエントロピーとウーターの収束で測定された。 AからCまでの平均エントロピーは0.40から0.71に上昇し、精度は92.98%から93.68%に上昇し、F1スコアは90.32%から91.28%に上昇した。 コンフィグレーションCは折り畳みでも最も安定していた。 しかし, 絡み合いと性能の折りたたみレベル相関は弱く, 有意差はなかった。 よりリッチなトポロジーは、回路の表現性も向上するので、2つの効果を完全に分離することはできない。 これらの結果は, エンタングリング構造とVQC性能の関連性を示す。

関連論文リスト

• Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
  連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
  論文  参考訳（メタデータ） (2026-04-30T14:59:50Z)
• On the Complementarity of Quantum and Classical Features: Adaptive Hybrid Quantum-Classical Feature Fusion for Breast Cancer Classification [1.4856472820492366]
  量子機械学習と古典的なディープラーニングの統合は、医療画像解析のための有望な道を提供する。 二重分岐特徴抽出パイプラインに基づく乳がん診断のための新しいハイブリッド量子古典的アーキテクチャを提案する。 本フレームワークは,古典的モデルと量子回路から補完表現を抽出し,統一する。
  論文  参考訳（メタデータ） (2026-04-24T14:54:53Z)
• Detecting AI Hallucinations in Finance: An Information-Theoretic Method Cuts Hallucination Rate by 92% [4.693270291878929]
  大規模言語モデル(LLMs)は、流動的だがサポートされていない答え、幻覚を生み出す。 ECLIPSEは,モデルの意味エントロピーと利用可能な証拠の容量とのミスマッチとして幻覚を扱うフレームワークである。
  論文  参考訳（メタデータ） (2025-12-02T05:25:48Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Variational phylogenetic inference with products over bipartitions [48.2982114295171]
  単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。 我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
  論文  参考訳（メタデータ） (2025-02-21T00:06:57Z)
• KACQ-DCNN: Uncertainty-Aware Interpretable Kolmogorov-Arnold Classical-Quantum Dual-Channel Neural Network for Heart Disease Detection [1.927711700724334]
  心不全は世界的な死亡の原因であり、診断戦略の改善が必要である。 我々はKolmogorov-Arnold Classical-Quantum Dual-Channel Neural Network (KACQ-DCNN)を提案する。 私たちのモデルは、古典的および12の量子ニューラルネットワークを含む37のベンチマークモデルより優れています。
  論文  参考訳（メタデータ） (2024-10-09T21:26:49Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Solving correlation clustering with QAOA and a Rydberg qudit system: a full-stack approach [94.37521840642141]
  量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。 具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。 ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-22T11:07:38Z)
• COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
  新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。 我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T08:30:46Z)
• COVID-19 Classification Using Staked Ensembles: A Comprehensive Analysis [0.0]
  新型コロナウイルスは大量死亡率で増加し、WHOはパンデミックと宣言した。 効率的かつ迅速な診断が不可欠である。 逆転写ポリメラーゼ鎖反応(RTPCR)テストを行い、SARS-CoV-2の存在を検出する。 代わりに胸部CT(または胸部X線)を高速かつ正確な診断に用いることができる。
  論文  参考訳（メタデータ） (2020-10-07T07:43:57Z)

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。