Federated Hierarchical Tensor Networks: a Collaborative Learning Quantum AI-Driven Framework for Healthcare

要約

医療業界は機密データや専有データを扱うことが多く、厳格なプライバシー規制のため、データを直接共有することに消極的なことが多いです。
今日の状況において、Federated Learning (FL) は、データ プライバシーとガバナンスに関する重大な懸念を効果的に管理しながら、分散機械学習の急速な進歩を促進する重要な解決策として際立っています。
フェデレーテッド ラーニングと量子コンピューティングの融合は、ヘルスケアから金融に至るまで、さまざまな業界に革命をもたらす計り知れない可能性を秘めた画期的な学際的なアプローチです。
この研究では、多体量子物理学の原理を活用する、量子テンソル ネットワークに基づく連合学習フレームワークを提案しました。
現在、フェデレーテッド設定で実装された古典的なテンソル ネットワークは知られていません。
さらに、医療機関全体で機密データのセキュリティを確保するために差分プライバシー分析を実施することで、提案されたフレームワークの有効性と実現可能性を調査しました。
一般的な医療画像データセットの実験では、連合量子テンソル ネットワーク モデルが 0.91 ～ 0.98 の平均受信者操作者特性曲線下面積 (ROC-AUC) を達成したことが示されています。
実験結果は、高度にもつれたテンソルネットワーク構造で構成される量子連合グローバルモデルが、より優れた一般化と堅牢性を示し、より高いテスト精度を達成し、医療機関間で不均衡なデータ分布の下でローカルにトレーニングされたクライアントのパフォーマンスを上回ったことを示しています。

要約(オリジナル)

Healthcare industries frequently handle sensitive and proprietary data, and due to strict privacy regulations, they are often reluctant to share data directly. In today’s context, Federated Learning (FL) stands out as a crucial remedy, facilitating the rapid advancement of distributed machine learning while effectively managing critical concerns regarding data privacy and governance. The fusion of federated learning and quantum computing represents a groundbreaking interdisciplinary approach with immense potential to revolutionize various industries, from healthcare to finance. In this work, we proposed a federated learning framework based on quantum tensor networks, which leverages the principles of many-body quantum physics. Currently, there are no known classical tensor networks implemented in federated settings. Furthermore, we investigated the effectiveness and feasibility of the proposed framework by conducting a differential privacy analysis to ensure the security of sensitive data across healthcare institutions. Experiments on popular medical image datasets show that the federated quantum tensor network model achieved a mean receiver-operator characteristic area under the curve (ROC-AUC) between 0.91-0.98. Experimental results demonstrate that the quantum federated global model, consisting of highly entangled tensor network structures, showed better generalization and robustness and achieved higher testing accuracy, surpassing the performance of locally trained clients under unbalanced data distributions among healthcare institutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google