AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-22

ডেটা ইমপিউটেশনের জন্য কোয়ান্টাম-অনুপ্রাণিত অপ্টিমাইজেশন প্রক্রিয়া

মূল শিরোনাম: Quantum-Inspired Optimization Process for Data Imputation

ক্লিনিকাল ডেটাসেটে অনুপস্থিত ডেটা ডাউনস্ট্রিম ইনফারেন্সকে পক্ষপাতদুষ্ট করতে পারে, তাই গবেষকেরা PCA-কে কোয়ান্টাম রোটেশন-ভিত্তিক পুনর্গঠনের সঙ্গে একত্রিত করে একটি কোয়ান্টাম-অনুপ্রাণিত ইম্পিউটেশন কাঠামো প্রস্তাব করেন এবং সেটি UCI Pima Indians Diabetes ডেটাসেটে মূল্যায়ন করেন, যেখানে কাঠামোগত শূন্যগুলিকে অনুপস্থিত হিসেবে গণ্য করা হয়। রোটেশন কোণ নির্বাচন করা হয় গ্রেডিয়েন্ট-মুক্ত অপটিমাইজার দিয়ে (Simulated Annealing, COBYLA এবং Differential Evolution), এবং কেন্দ্রীয় প্রবণতার দিকে অবাস্তব সঙ্কুচিত হওয়া এড়াতে ±2 স্ট্যান্ডার্ড ডিভিয়েশনের মতো বিন্যাস-সচেতন সীমার মধ্যে অনুপস্থিত মানগুলি পুনর্গঠন করা হয়। কোয়ান্টাম-অনুপ্রাণিত রূপগুলি Wasserstein W1-এর অধীনে আধুনিক ইম্পিউটারদের তুলনায় উল্লেখযোগ্যভাবে ভালো বিন্যাসগত বিশ্বস্ততা অর্জন করে — সেরা সেটিংটি গড় W1 প্রায় 66% কমায় SoftImpute-এর তুলনায়, 84% MissForest-এর তুলনায়, 90% VAE-এর তুলনায় এবং 60% Mean imputation-এর তুলনায় — এবং একই সঙ্গে পর্যবেক্ষিত ডেটার সঙ্গে আরও কাছাকাছি ভ্যারিয়েন্স ও স্ট্যান্ডার্ড ডিভিয়েশন ধরে রাখে।

মূল লেখা পড়ুন ↗

সব আইটেম →