TabularQGAN: A Quantum Generative Model for Tabular Data

要約

この論文では、表形式データを合成するための新しい量子生成モデルを紹介します。
合成データは、実際のデータが不足またはプライベートであるシナリオでは価値があり、既存のデータセットを拡張または交換するために使用できます。
現実世界のエンタープライズデータは主に表形状で不均一であり、多くの場合、カテゴリと数値の特徴の混合を含むため、ヘルスケア、金融、ソフトウェアなどのさまざまな業界で非常に関連性があります。
柔軟なデータエンコーディングと、表形式データを効果的にモデル化するための新しい量子回路ANSATZを備えた量子生成敵対的なネットワークアーキテクチャを提案します。
提案されたアプローチは、MIMIC IIIのヘルスケアおよび成人国勢調査データセットでテストされ、主要な古典モデル、CTGAN、およびCopulaganに対する広範なベンチマークがあります。
実験結果は、SDMetricsの全体的な類似性スコアに関して、量子モデルが古典モデルを平均8.5％上回る一方で、古典モデルのパラメーターのパラメーターの0.072％しか使用しないことを示しています。
さらに、提案された量子モデルが有用で新しいサンプルを生成する能力を示す2つのカスタム設計のメトリックを使用して、モデルの一般化機能を評価します。
私たちの知る限り、これは表形式データを処理するための量子生成モデルを成功させる最初のデモンストレーションの1つであり、このタスクが量子コンピューターに適している可能性があることを示しています。

要約(オリジナル)

In this paper, we introduce a novel quantum generative model for synthesizing tabular data. Synthetic data is valuable in scenarios where real-world data is scarce or private, it can be used to augment or replace existing datasets. Real-world enterprise data is predominantly tabular and heterogeneous, often comprising a mixture of categorical and numerical features, making it highly relevant across various industries such as healthcare, finance, and software. We propose a quantum generative adversarial network architecture with flexible data encoding and a novel quantum circuit ansatz to effectively model tabular data. The proposed approach is tested on the MIMIC III healthcare and Adult Census datasets, with extensive benchmarking against leading classical models, CTGAN, and CopulaGAN. Experimental results demonstrate that our quantum model outperforms classical models by an average of 8.5% with respect to an overall similarity score from SDMetrics, while using only 0.072% of the parameters of the classical models. Additionally, we evaluate the generalization capabilities of the models using two custom-designed metrics that demonstrate the ability of the proposed quantum model to generate useful and novel samples. To our knowledge, this is one of the first demonstrations of a successful quantum generative model for handling tabular data, indicating that this task could be well-suited to quantum computers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google