用于癌症登记系统测试的量子神经网络分类器：一项可行性研究

《ACM Transactions on Software Engineering and Methodology》：Quantum Neural Network Classifier for Cancer Registry System Testing: A Feasibility Study

量子神经网络在挪威癌症登记系统软件测试中的应用研究，提出EvoQlass模型替代传统经典模型EvoClass，通过对比实验验证其性能相当性，并分析不同量子神经网络配置对性能的影响。

　　

摘要

随着量子计算的迅速发展，量子机器学习（QML）算法的研究也显著增加。其中，量子神经网络（QNN）作为一种有前景的算法脱颖而出，它将量子计算原理与人工神经网络相结合来处理数据。受到QNN在各个领域应用的启发，我们研究了其在挪威公共卫生研究所（NIPH）下属的挪威癌症登记系统（CRN）软件测试中的应用。CRN负责挪威人口的癌症统计数据，开发了一个复杂的社会技术软件系统——癌症登记支持系统（CaReSS），该系统与许多实体（如医院、医学实验室和其他患者登记系统）进行交互以完成其任务。为了实现高效的成本控制测试，CRN采用了基于人工智能的REST API测试工具EvoMaster，该工具结合了一个集成的经典机器学习模型EvoClass。在此背景下，我们提出了使用QNN分类器代替现有的经典机器学习模型，以探讨其可行性。实验结果表明，QNN分类器的性能可以与经典模型相媲美。此外，我们还研究了不同QNN配置对性能的影响，并为未来的QNN开发者提供了最佳配置建议。