Readout-Aware Qutrit Feature Geometry: A Cross-Cohort Falsification Study

技術要約：読み出しを考慮したクトリット特徴量幾何学

問題提起
本論文は、量子インスパイア型機械学習（QML）における決定的な欠落、すなわち「固定されたエンコード表現の質」と「特定の読み出し（測定）による予測有用性」の間の区別について取り組んでいる。異種コホート間において、これまでの研究ではクトリット特徴写像やゲルマン座標による古典データのエンコードが確立されてきたが、あるデータセット（例：人間の活動遷移）から導出されたコンパクトでゲージ固定された演算子記述が、異なるコホート、センサー配置、またはタスクセマンティクス（例：歩行凍結の検出）に対して、依然として意味を持ち、安定し、あるいは予測的であり続けるかどうかは不明である。本研究は、特定のコンパクトなクトリット読み出しセクターが、特定のデータ分布やプロトコルに依存せず、固有の予測力や「量子優位性」を持つという仮説を反証することを目的としている。

手法
本研究は、固定されたエンコードと、段階的なクロスコホート検証シーケンスを含む、厳格な反証指向のフレームワークを採用している。

1. 表現の構築:
   • 入力: 体中心加速度から導出された古典的な時系列微分（一次および二次）および残差変動プロキシ（$\sigma_u, \sigma_v$）。
   • エンコーディング: 固定されたSU(3)ゲルマン特徴写像を用いた、決定論的なクトリット状態 $|\Psi_3\rangle$ へのマッピング。8つのゲルマン座標（$g_1$ から $g_8$）は、4つの古典的入力の明示的な非線形関数として解析的に導出される。
   • 読み出し: 線形読み出し $z = b + \sum w_a g_a$ を適合させ、これは正演算子値測定（POVM）スコアとして解釈される。本研究では、開発データに対する入れ子状のスパース選択を通じて選択された、候補となる疎な部分空間 $\{ \lambda_6, \lambda_8 \}$ を特に分離している。
2. 検証シーケンス:
   • 開発: 合成データおよび人間活動・姿勢遷移（HAPT）データを使用して、候補セクター $\{ \lambda_6, \lambda_8 \}$ を特定した。
   • クロスコホート転移: 固定されたセクターを以下でテストした：
     • HAPT (レコードシフト): 同一参加者による別の記録。
     • MHEALTH: ターゲット・セマンティクスの不一致テスト（活動境界 vs. 遷移）。
     • Daphnet: 独立してアノテーションされた歩行凍結（FoG）イベントタスク。
     • FoG-STAR: 腰部加速度のみを使用し、事前に指定された「検出可能性ゲート」（AUROC $\ge$ 0.70）を持つ、プロスペクティブに凍結・ハッシュロックされた臨床コホートテスト。
   • コントロール: 「同一情報」に基づく古典的アブレーションを実施。全く同じ4つの入力（一次および二次項）から構成される8次元の古典基底（$C_8$）を、再構成されたクトリット表現（$Q3$）と比較し、一致した読み出しエンジンを用いて比較した。
   • 監査: 事後的なイベントレベルの監査（感度、毎分偽アラーム数）および、主要モデルの再チューニングを行わない局所的なエンコーダー感度分析（エンコーディング定数 $\alpha, S_U, S_V$ の摂動）を実施した。

主な結果

• HAPT および レコードシフト: コンパクトなセクター $\{ \lambda_6, \lambda_8 \}$ は、フル8座標クトリット表現とほぼ同様の性能を示した（AUROC 0.87001 vs. 0.87796）。これは、この特定のドメインにおいて当該セクターが関連する遷移情報を捉えていることを示唆している。
• Daphnet (FoG): コンパクトセクターは、フル表現に近い（AUROC 0.72572 vs. 0.72872）プールされたAUROCを達成した。しかし、参加者クラスター・ジャックナイフ区間は広く（[0.63792, 0.81352]）、マクロ被験者AUROCはより低かった（0.68044）。これは、個人間の異質性と不確実性が大きいことを示している。
• FoG-STAR (主要テスト): プロスペクティブに凍結されたテストは、その経験的な検出可能性スクリーンに失敗した。最良の事前指定モデル（RBF-SVC）はAUROC 0.50977を達成し、クトリットコア $\{ \lambda_6, \lambda_8 \}$ は0.40448を記録した。最良モデルの95%区間は[0.45615, 0.56339]であり、チャンス（偶然）と一致している。
• イベントレベル監査: 名目上のイベント感度は高かった（>96%）が、偽アラームの負担が過度であった（FoG-STARプライマリにおいて毎分27.69回の偽アラーム）。これにより、本モデルは実用的な検出器としては不適当であることが示された。
• 古典的抽象化: 「同一情報」に基づく古典的コントロール（$C_8$ および圧縮された $C_2$）は、DaphnetおよびFoG-STARにおいてクトリット表現と同等またはそれを上回る性能を示した。例えば、FoG-STARの歩行において、$C_8$ モデルはフルクトリット表現を0.01046 AUROC上回った。
• 安定性と有用性: フィットされた読み出し方向は、コホート内では高いペアワイズ・コサイン類似性（安定性）を示したが、異なるコホート間（例：Daphnet vs. FoG-STAR プライマリ）では低いコサイン類似性を示した。これは、方向の安定性が予測の有用性を保証しないことを証明している。

意義および主張
本論文は、量子優位性、SU(3)特有の予測的利点、または臨床的なFoG検出器の開発という主張を明確に拒絶している。その意義は方法論的なものである：

1. 反証フレームワーク: コンパクトな演算子読み出しが、コホート、センサー、およびタスクのシフトを生き残るかどうかをテストするための、厳格でゲージを考慮したフレームワークを提供する。これは、事後的に修正するのではなく、負の結果を保持することを強調している。
2. 表現と有用性の分離: 固定されたクトリット特徴幾何学は、表現のためのコンパクトで解釈可能な言語を提供し得るが、それが外部の有用性を保証するわけではない。解析的な分解により、ゲルマン座標は古典的入力の決定論的な変換であることが示されており、観察された疎性は生成子の固有の特性ではなく、エンコーディングの慣習によるアーティファクトである。
3. 表現 vs. 読み出し: 表現は「読み取り可能」（安定した方向）であっても、「有用」（予測的）であるとは限らないことを示しており、同じ情報の古典的な決定論的展開が、量子インスパイア型基底と同等またはそれを上回る性能を発揮することを示している。
4. イベントレベルの現実的検証: 高いサンプルレベルのランキングスコア（AUROC）が、厳格な偽アラーム制約の下では、臨床的に実行可能なイベント検出器にはなり得ないことを明確にしている。

結論として、本研究の貢献は、「表現の質、読み出しの安定性、および標的の検出可能性を分離する、反証指向かつゲージを考慮したフレームワーク」であり、最終的に、幾何学的な疎性も方向の安定性も、異質な環境における外部の有用性を保証しないことを示している。