Quantum Kernel Methods for Calibrated and Interpretable Neuroimaging Classification in Computational Psychiatry
본 논문은 양자 커널 서포트 벡터 머신을 활용한 이중 파이프라인 프레임워크가 엄격한 사후 교정 및 해석 가능성 기술과 결려, 높은 예측 정확도와 생물학적 신뢰성을 달성하는 동시에 뇌 영상 데이터를 사용하여 정신 질환을 구별하는 데 있어 고전적 베이스라인을 유의미하게 능가함을 입증한다.