AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Proses Optimasi Terinspirasi Kuantum untuk Imputasi Data
Judul asli: Quantum-Inspired Optimization Process for Data Imputation
Data hilang dapat membiaskan inferensi hilir dalam dataset klinis, sehingga para penulis mengusulkan kerangka imputasi terinspirasi kuantum yang menggabungkan PCA dengan rekonstruksi berbasis rotasi kuantum dan mengevaluasinya pada dataset UCI Pima Indians Diabetes, di mana nol struktural diperlakukan sebagai data hilang. Sudut rotasi dipilih oleh pengoptimal bebas gradien (Simulated Annealing, COBYLA, dan Differential Evolution), dan nilai yang hilang direkonstruksi di bawah batas yang memperhatikan distribusi seperti ±2 simpangan baku untuk menghindari kolaps menuju kecenderungan sentral yang tidak realistis. Varian terinspirasi kuantum mencapai fidelitas distribusional yang jauh lebih baik berdasarkan Wasserstein W1 daripada imputer modern — pengaturan terbaik memangkas rata-rata W1 sekitar 66% dibandingkan SoftImpute, 84% dibandingkan MissForest, 90% dibandingkan VAE, dan 60% dibandingkan imputasi Mean — sekaligus mempertahankan varians dan simpangan baku yang lebih dekat dengan data yang diamati.