AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-22
データ補完のための量子インスパイア最適化プロセス
原題: Quantum-Inspired Optimization Process for Data Imputation
欠損値が下流の推論を偏らせうる臨床データセットを対象に、PCAと量子回転に基づく再構成を組み合わせた量子インスパイア型の補完フレームワークを提案し、構造的ゼロを欠損とみなしたUCI Pima Indians Diabetesデータセットで評価した。回転角は焼きなまし法・COBYLA・差分進化という勾配不要のオプティマイザで選び、分布に配慮した範囲(±2標準偏差など)の下で欠損値を再構成して平均への偏った収束を避けた。その結果、量子インスパイア型の手法はWasserstein W1で測った分布の再現性が現代的手法より大幅に高く(最良設定でSoftImpute比約66%、MissForest比約84%、VAE比約90%の改善)、分散や標準偏差も観測データに近い値を保った。