量子科技中心_量科网

该论文展示了一项可行性研究，证明量子机器学习（QML）算法在现实世界医学影像任务中具有竞争力表现，尽管其运行面临严格限制。研究团队基于能量模型的均衡传播算法（EP，无需与量子系统不兼容的反向传播）和变分量子电路（VQC），通过二元分类（急性髓系白血病AML vs 健康样本）实现了血细胞显微图像的自动检测。核心发现：在AML细胞形态学数据集（18,365张专家标注图像）中，当每类仅使用50-250个样本时，量子方法在图像分辨率降至64x64像素、特征维度压缩至20维、且通过Qiskit进行经典模拟的条件下，性能仅比传统CNN低12-15%。其中EP算法达到86.4%准确率（仅落后CNN12%），而4量子比特的VQC以83.0%准确率展现出显著数据效率优势——每类仅需50个样本即可稳定保持83%性能，而CNN需要5倍数据量（250样本）才能达到98%准确率。这些结果为医疗领域的量子机器学习建立了可复现基准，验证了含噪声中等规模量子（NISQ）时代的应用可行性。