四个神经精神疾病队列量子与经典机器学习匹配评测未显优势

Poudel 等在 arXiv 发布基准评测：在四个公开神经精神疾病队列、4,308 名受试者上，用相同的相关系数特征对六类量子模型与经典模型做匹配比较，共 284 组对比。结论是量子核与匹配经典核在四个队列中统计上不可区分，平均准确率差异在 95% 置信区间下不超过 1.4 个百分点，多数量子模型与经典对应模型相当，但没有一个持续优于经典模型。 验证方式因队列而异：ABIDE I、ADHD-200 和 REST-meta-MDD 采用留站点验证，UCLA-CNP 采用分层 10 折交叉验证。以 ABIDE I 为例，混合量子卷积网络准确率 0.645，经典对应模型 0.641，差距很小。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。