量子科技中心_量科网

组织病理学癌症检测由于组织变异性、染色差异以及疾病类别间细微的视觉差异而具有挑战性。该研究提出了两种用于该任务的量子算法：一种可配置的双梯度CSWAP电路（DG-CSWAP），通过逐像素局部Ry编码在单次执行中计算多方向边缘响应；以及一种硬件高效的破坏性交换电路（DG-DST），该电路原生匹配量子处理单元（QPU）门集，且电路复杂度显著降低。该研究证明了DG-CSWAP与DG-DST之间的代数等价性，从而实现了双电路QPU验证策略。一个包含读出误差校正、偏差减法和斜率回归的三阶段NISQ缓解流水线，使单像素硬件均方误差降低了约8倍。通过Amazon Braket在五个量子处理器上验证，该方法在所有本地-模拟器对之间实现了约0.93–0.94的跨平台皮尔逊相关系数。与先前基于量子傅里叶变换（QFT）的振幅编码基线（需要12量子比特全局状态制备和一个三模型集成，在PatchCamelyon上达到85.55%的准确率）相比，该方法采用基于shots的测量，在真实量子硬件上执行，并使用单个ResNet-50达到了79.80%的准确率。一个Lite配置以2.59%的准确率代价实现了17倍的预处理加速。据该研究团队所知，这是首个结合噪声缓解技术用于组织病理学图像分类的量子硬件实现研究。