리서치 연구
Quantum Kernel Estimation for the Discovery of Early Lung Cancer Detection
ARarXiv
arXiv 논문은 양자-고전 하이브리드 기계학습으로 폐암 조기 검출을 평가했다.
세 줄 요약
- 인코딩과 얽힘 전략으로 20·40개 특징을 양자 힐베르트 공간에 넣고, 정확한 상태벡터 시뮬레이션으로 양자 커널을 계산해 SVM과 비교했으며, 양자 커널 모델은 두 데이터셋에서 경쟁적 AUC를 보였다.
- 저선량 CT 검사의 참여와 관리 한계를 보완하는 혈액 기반 cfDNA 보조 검사로 제시된다.
- 20개에서 40개로 늘리면 성능이 일관되게 오르지 않고 변동이 커졌고, 메틸레이션에서는 고전 SVM이 AUC가 가장 높았다.
arXiv 논문은 양자-고전 하이브리드 기계학습으로 폐암 조기 검출을 평가했다.