의료 기본 모델 임베딩에서의 양자 커널 우위와 고전적 붕괴에 대한 증거

우리는 노이즈 없는 시뮬레이션 환경에서 MIMIC-CXR 흉부 X-선 영상에 기반한 이진 보험 분류 작업에서 양자 지원 벡터 머신 (QSVM) 을 사용하여 세 가지 의료 기본 모델 (MedSigLIP-448, RAD-DINO, ViT-patch32) 의 고정된 임베딩을 활용했을 때의 양자 커널 우위 (quantum kernel advantage) 에 대한 증거를 제공합니다. 우리는 양쪽 분류기 모두 동일한 PCA-q 특징을 수신하도록 설계된 두 단계 공정한 비교 프레임워크를 제안합니다. 1 단계 (조정되지 않은 QSVM 대 조정되지 않은 선형 SVM, 양쪽 C = 1) 에서 QSVM 은 테스트된 18 가지 구성의 모든 경우에 소수 클래스 F1 점수를 얻었으며 (p < 0.001 인 경우 17 개, p < 0.01 인 경우 1 개), 고전적 선형 커널은 큐비트 수에 관계없이 시드 (seed) 의 90-100% 에서 다수 클래스 예측으로 붕괴 (collapse) 되었지만 QSVM 은 유의미한 재현율 (recall) 을 유지했습니다. q = 11 (MedSigLIP-448 평탄부 중심) 에서 QSVM 은 하이퍼파라미터 조정이 없이 평균 F1 = 0.343, 고전적 F1 = 0.050 (F1 증가량 = +0.293, p < 0.001) 을 달성했습니다. 2 단계 (조정되지 않은 QSVM 대 C-조정 RBF SVM) 에서 QSVM 은 테스트된 7 가지 구성 모두에서 승리했습니다 (평균 증가량 +0.068, 최대 +0.112). 고유스펙트럼 분석은 q = 11 에서 양자 커널의 유효 순위 (effective rank) 가 69.80 으로 선형 커널 순위보다 훨씬 높음을 보여주었으며, 고전적 붕괴는 C 불변성 (C-invariant) 을 유지했습니다. 전체 큐비트 스윕은 모델에 따라 구조 의존적인 집중 시작점 (concentration onset) 을 드러냈습니다. 코드: https://github.com/sebasmos/qml-medimage