Quantum Neurons with Real Weights For Diabetes Prediction
Aprendizagem de Máquina Quântica, Computação Quântica, Saúde, Previsão de Diabetes.
Este trabalho apresenta resultados preliminares relevantes da aplicação de
algoritmos de aprendizagem de máquina quântica no setor de saúde.
Desenvolvemos e testamos um modelo de neurônio quântico capaz de armazenar
pesos reais e também comparamos dois outros algoritmos para construir
neurônios quânticos que podem transportar uma quantidade exponencial de
informação para um número linear de unidades de informação quântica
(qubits) usando a propriedade quântica de superposição. Comparamos o
desempenho desses modelos nos seguintes problemas: simular o operador XOR,
resolver um problema não linear genérico e previsão de diabetes em
pacientes. Os resultados dos experimentos mostraram que um único modelo de
neurônio quântico é capaz de atingir uma taxa de precisão de 100% no
problema XOR e uma taxa de 100% em um conjunto de dados não linear,
demonstrando a plausibilidade de modelos quânticos com pesos reais na
modelagem de problemas não linearmente separáveis. No problema de
diagnóstico de diabetes, os neurônios quânticos alcançaram uma taxa de
precisão de 72% . Esses resultados indicam que um único modelo de neurônio
quântico tem boa capacidade de generalização, demonstrando potencial para
uso em aplicações para o setor de saúde em um futuro próximo. É também uma
contribuição crucial para o desenvolvimento de redes neurais quânticas
avançadas com melhores desempenhos.