AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-22
Mchakato wa Optimization Uliovutwa na Quantum kwa Kujaza Data
Kichwa asilia: Quantum-Inspired Optimization Process for Data Imputation
Data zilizokosekana zinaweza kuleta upotovu katika hitimisho yanayofuata kwenye seti za data za kliniki, hivyo waandishi wanapendekeza mfumo wa kujaza data unaohamasishwa na kwanta unaochanganya PCA na ujenzi upya unaotegemea mzunguko wa kwanta, na kuupima kwenye seti ya data ya UCI Pima Indians Diabetes, ambapo sufuri za kimuundo zinachukuliwa kama data zilizokosekana. Pembe za mzunguko huchaguliwa na optimizer zisizo na gradienti (Simulated Annealing, COBYLA, na Differential Evolution), na thamani zilizokosekana zinajengwa upya chini ya mipaka inayotambua usambazaji kama vile ±2 za mabadiliko ya kawaida ili kuepuka kuanguka kwa nama kuelekea mwelekeo wa katikati kwa namna isiyo ya kawaida. Aina zinazohamasishwa na kwanta zinapata uaminifu wa usambazaji wenye kubwa zaidi chini ya Wasserstein W1 kuliko mbinu za kisasa za kujaza data — mipangilio bora hupunguza W1 ya wastani kwa takriban 66% ikilinganishwa na SoftImpute, 84% ikilinganishwa na MissForest, 90% ikilinganishwa na VAE, na 60% ikilinganishwa na kujaza kwa thamani ya wastani — huku ikihifadhi tofauti na mabadiliko ya kawaida yakikaribiana zaidi na data zilizotazamiwa.