TabularQGAN: a quantum generative model for tabular data synthesis

doi:10.1038/s41598-026-62434-1

TabularQGAN: a quantum generative model for tabular data synthesis

2026-07-29

0

OA

AI

DOI：10.1038/s41598-026-62434-1

原文链接

原文求助

摘要

En 中文

本文介绍了一种新颖的量子生成模型，用于合成表格数据。合成数据在真实数据稀缺或涉及隐私的场景中具有重要价值，可用于扩充或替代现有数据集。由于企业数据主要是表格形式且具有异构性，通常包含分类和数值特征，因此该任务在医疗保健、金融和软件等多个行业中具有相关性。现有的量子生成模型针对同质数据设计；我们通过提出一种具有灵活数据编码的量子生成对抗网络架构和一种新颖的量子电路假设，来填补这一空白，以有效建模表格数据。所提出的方法在MIMIC-III医疗保健和Adult Census数据集上进行了测试，并与领先的经典模型（CTGAN、CopulaGAN、VAE-GMM）以及基于be-GReaT框架的LLM方法进行了广泛基准测试，用于表格数据合成。我们在经典硬件上使用无噪声态矢量模拟器，在简化的特征子集上验证了我们的模型作为概念验证。我们的模拟结果表明，对于MIMIC-III数据集，我们的量子模型在开源Python库SDMetrics中使用的一种总体相似度评分方面，实现了具有竞争力的，并且在某些情况下领先的表现。此外，我们使用两种自定义设计的指标评估了模型的泛化能力，这些指标展示了所提出的量子模型生成有用且新颖表格样本的能力。

TabularQGAN: a quantum generative model for tabular data synthesis

摘要

期刊

机构