金融における量子コンピューティング:文献レビューと信頼できる金融AIの将来の方向性

• 提案されたハイブリッド量子古典回帰フレームワーク(ランダムフォレストによる特徴選択、PCAによる次元削減、変分量子回路(VQC)による予測の組み合わせ)がBSE ESGなど複数の金融指標で評価された
• 実験結果では、ランダムフォレストやk近傍法などの古典アルゴリズムが量子・ハイブリッドモデルと比較して常に最高の精度と安定性を示した
• ハイブリッド量子古典モデルは中程度の性能に留まり、量子モデルは不安定であると結論付けられた

• 量子強化型ニューラルネットワークとLLMの統合に関する2025年のプレプリントが公開され、生成タスクにおける量子優位性の実験的実証が報告された
• ハイブリッド量子古典アーキテクチャが将来の方向性として提案され、Groverの探索アルゴリズムを用いたRAGパイプライン最適化のケーススタディが示された

本研究では、乳がんの予後予測と個別化医療における臨床およびゲノムデータの重要性が高まる中、量子機械学習(QML)アーキテクチャの比較評価を行った。METABRIC乳がん患者2,509人のデータセットを使用し、主成分分析(PCA)により特徴量を12、4、2次元に削減した。量子ニューラルネットワーク(QNN)、量子K近傍法(QKNN)、量子サポートベクターマシン(QSVM)の3つのQMLモデルと、7つの古典的機械学習モデルを比較した。実験の結果、12次元削減データを用いたQKNNが最も高い性能を示し、精度75.11% ± 3.76%、F1スコア0.7088 ± 0.0433、ROC-AUC 0.…

本稿では、インターネット・オブ・ビークルズ(IoV)における非独立同分布(non-IID)データ、車両の移動性、リソースの異質性、プライバシー要件といった課題に対応するため、階層型連合学習フレームワークを提案する。このフレームワークは、データ異質下での正規化されたモデル更新を実現するFedNova、インセンティブを考慮したクライアント選択のための報酬ベースペイオフ戦略(RBPS)、およびカレッジ・アドミッション問題に基づくゲーム理論的な車両・アグリゲータマッチングを統合している。プライバシーは、量子鍵配送(QKD)支援による安全な鍵確立と古典的な勾配マスキングによって強化される。3層アーキテ…

クラウドサービス、AI、大規模デジタルアプリケーションの急成長により、データセンターのエネルギー消費が増加している。本レビューは、データセンターの負荷予測におけるAIおよび機械学習(ML)技術の利用を調査する。従来の統計的手法、教師あり学習アルゴリズム、深層学習モデル、確率的予測技術、物理情報に基づいたハイブリッドアプローチを網羅する。予測期間、特徴量選択、性能評価、実運用上の課題も議論される。LSTM、GRU、Transformerベースのモデル、デジタルツイン(DT)フレームワークなどの先進的なアプローチは、予測性能を向上させ、エネルギー効率の高い運用を支援できる。これらの手法は、カーボ…