Исследователи представили архитектуру фотонных квантовых нейронных сетей с непрерывными переменными, оптимизированную для работы на периферийных устройствах. Метод позволяет эффективно выполнять сложные задачи классификации, такие как выявление рака полости рта, используя минимальное количество параметров. Технология предлагает альтернативу традиционным квантовым системам на кубитах, обеспечивая высокую точность диагностики в условиях ограниченных вычислительных ресурсов мобильного оборудования.
В основе разработки лежит гибридный подход, сочетающий классические алгоритмы с квантовыми вычислениями на фотонной платформе. В отличие от стандартных квантовых систем, требующих специфического оборудования, фотонные чипы демонстрируют лучшую масштабируемость и энергоэффективность. Это делает их перспективными для внедрения в медицинские приложения, работающие непосредственно на смартфонах или портативных диагностических приборах в регионах с нехваткой специализированного оборудования.
Экспериментальная проверка проводилась на задаче классификации медицинских изображений, связанных с ранним выявлением онкологии полости рта. Модель показала способность к обучению с высокой плотностью параметров, что критически важно для развертывания на устройствах с низким энергопотреблением. Результаты подтверждают возможность интеграции квантовых нейронных сетей в повседневную клиническую практику без необходимости подключения к мощным облачным серверам.
Ключевые факты
- Разработана архитектура нейросетей на основе непрерывных переменных (CV) в фотонных квантовых системах.
- Метод ориентирован на работу в условиях ограниченных ресурсов периферийных устройств (edge AI).
- Практическая демонстрация проведена на задаче автоматизированного скрининга рака полости рта.
- Фотонная архитектура обеспечивает высокую эффективность параметров по сравнению с классическими квантовыми моделями на кубитах.
- Технология нацелена на повышение доступности ранней диагностики в условиях ограниченного доступа к специализированным медицинским центрам.