Classical and Quantum Machine Learning for Population-Level Prediction of Heat-Related Physiological Events

Probleemstelling

Het voorspellen van hittegerelateerde fysiologische gebeurtenissen op bevolkingsniveau is een complex probleem voor de volksgezondheid. De uitdagingen zijn meervoudig:

• Complexe interacties: De uitkomsten worden bepaald door een samenspel van klimatologische, demografische en sociaaleconomische factoren.
• Data-kwaliteit: De observatiedata zijn vaak schaars, sterk seizoensgebonden (pieken in de zomer) en vertonen een hoge mate van "zero-inflatie" (veel weken zonder incidenten).
• Data-heterogeniteit: Er moeten verschillende databronnen worden geïntegreerd (meteorologie, bevolkingsstatistieken, economische structuren en ziekenhuisopnames) die vaak op verschillende geografische schalen zijn opgesplitst.
• Onderzoeksvraag: In hoeverre kunnen huidige Quantum Machine Learning (QML) architecturen, specifiek variational quantum circuits, concurreren met of aanvullen op klassieke machine learning-modellen voor dit type voorspellende taak, gezien de beperkingen van huidige NISQ-hardware (Noisy Intermediate-Scale Quantum)?

Methodologie

De auteurs hebben een unificerend voorspellend raamwerk ontwikkeld om een eerlijke vergelijking tussen klassieke en quantum benaderingen mogelijk te maken.

1. Dataverzameling en Feature Engineering:
Er werd een unificerend dataset opgesteld op week-niveau per county (VS) en comarca (Catalonië). De input-features werden onderverdeeld in vier categorieën:

• Klimaat: Max/min/mean temperatuur, dampdruk, luchtvochtigheid, hittegolf-indicatoren.
• Demografie: Populatiegrootte en leeftijdsverdeling (0-17, 18-64, 65+), omgezet naar verhoudingen om schaal-effecten te verminderen.
• Economie: Arbeidssectoren (landbouw, bouw, industrie, diensten) als proxy voor blootstelling aan hitte.
• Seizoensgebonden features: Een Gaussische kernel om het seizoenspatroon te modelleren en een kernel voor hittegolven.

2. Preprocessing Pipeline (Gedeeld):
Om een eerlijke vergelijking te garanderen, ondergingen beide modellen dezelfde preprocessing:

• Standardisatie: Z-score normalisatie (essentieel voor quantum encoding als rotatiehoeken).
• Correlatieanalyse: Identificatie van redundante variabelen.
• Dimensionaliteitsreductie: Toepassing van Principal Component Analysis (PCA) om 98% van de variantie te behouden. Dit is cruciaal voor quantum modellen vanwege het beperkte aantal qubits op NISQ-hardware.

3. Model Architecturen:

• Klassiek Basismodel: LightGBM (Light Gradient Boosting Machine), gekozen vanwege zijn superioriteit op gestructureerde tabulaire data en vermogen om niet-lineaire relaties te modelleren.
• Quantum Model: Een Variational Quantum Sequential Model (QSM).
  • Encoding: Klassieke features worden via angle embedding (rotaties om de Y-as) in de quantum Hilbert-ruimte gebracht.
  • Architectuur: Het circuit bestaat uit lagen met variabele parameters en entanglement (CNOT-gates).
  • Data Re-uploading: Een kerntechniek waarbij de input-data meerdere keren door het circuit wordt geïnjecteerd. Dit verhoogt de expressiviteit van het model zonder het aantal qubits te verhogen, wat essentieel is onder NISQ-beperkingen.
  • Training: Beide modellen werden getraind op de US-dataset en getest op de Catalaanse dataset (en vice versa voor validatie), met als doel de Mean Squared Error (MSE) te minimaliseren.

Belangrijkste Bijdragen

1. Reproduceerbaar Data-pipeline: Een geïntegreerde pipeline die klimatologische, demografische, economische en gezondheidsdata van heterogene bronnen samenvoegt tot een week-gebaseerd bevolkingsdataset.
2. Gemeenschappelijke Preprocessing: Een strategie die specifiek is ontworpen om zowel klassieke als quantum modellen te ondersteunen, inclusief PCA-compressie om hardware-beperkingen te omzeilen.
3. Empirische Vergelijking: Een directe vergelijking van LightGBM en een QSM onder identieke experimentele condities, zonder claimen van "quantum advantage", maar gericht op het begrijpen van de huidige capaciteiten.
4. Methodologische Fundering: Het leggen van de basis voor toekomstige hybride gezondheidsmodellen naarmate quantumhardware evolueert.

Resultaten

De experimenten werden uitgevoerd op datasets uit de Verenigde Staten en Catalonië.

• Voorspellende Prestaties:
  • Klassieke modellen presteerden aanzienlijk beter dan quantum-modellen in beide scenario's.
  • Catalonië: Klassiek MAE = 0,33 vs. Quantum MAE = 2,84.
  • VS: Klassiek MAE = 0,54 vs. Quantum MAE = 2,57.
  • Beide modellen vertoonden negatieve $R^2$-waarden in het Catalonië-scenario, wat wijst op de extreme moeilijkheid van de taak door data-schaarste en ruis.
• Kwalitatieve Analyse:
  • Klassieke modellen toonden een stabielere foutverdeling en een betere fit.
  • Quantum-modellen vertoonden echter niet-triviale leercapaciteit. Ze waren niet puur willekeurig; ze vingen betekenisvolle voorspellende structuren op, hoewel ze beperkt werden door hardware-ruis, circuitdiepte en het aantal qubits.
• Conclusie: Klassieke methoden domineren momenteel, vooral bij sterk onevenwichtige klassen en schaarse doelen. Quantum-modellen tonen echter potentieel als hybride componenten.

Betekenis en Conclusie

Dit onderzoek is significant omdat het een realistische, niet-hype-gebaseerde evaluatie biedt van Quantum Machine Learning in een publieke gezondheidscontext.

• Het bevestigt dat klassieke methoden (zoals boosting) momenteel onverslaanbaar zijn voor dit type tabulaire dataproblemen.
• Het toont aan dat QML-modellen onder NISQ-beperkingen al in staat zijn om leerpatronen te detecteren, wat een hoopvol teken is voor de toekomst.
• Het werk positioneert QML niet als een vervanging, maar als een potentiële aanvulling in hybride pipelines. Naarmate quantumhardware verbetert (minder ruis, meer qubits), kunnen deze hybride modellen waardevol worden voor complexe, heterogene gezondheidsdata.

De code voor de experimenten is openbaar beschikbaar gesteld op GitHub, wat de reproduceerbaarheid van de studie ondersteunt.