机构名称：
¥ 2.0
近来，从临床现场收集的真实世界医疗数据的利用引起了人们的关注。特别是随着真实世界医疗数据中变量数量的增加，因果发现变得越来越有效。另一方面，对于样本量不足以检测出合理因果关系的情况，例如罕见疾病和新发传染病，有必要开发适用于小数据集的新型因果发现算法。本研究旨在利用量子计算开发一种适用于少量真实世界医疗数据的新型因果发现算法。量子计算是一种因其在机器学习中的应用而备受关注的新兴信息技术。在本研究中，开发了一种将量子核应用于线性非高斯无环模型的新算法，这是因果发现算法之一。在几个人工数据集上的实验表明，在低数据范围内的各种条件下，本研究提出的新算法比现有的使用高斯核的方法更准确。当新算法应用于现实世界的医学数据时，证实了即使数据量很小，也能正确估计因果结构的情况，而这在现有方法中是无法实现的。此外，还讨论了在真实量子硬件上实现新算法的可能性。这项研究表明，在低数据量下，使用量子计算的新算法可能是因果发现算法中用于新医学知识发现的良好选择。
量子计算在线性非线性中的应用...
主要关键词
相关文件推荐
