機械学習の分類器は、医療、工場検査、自動走行などに利用されている。分類器の一つであるサポートベクターマシン（SVM）は、有用であり、様々な場面で活用されている。特に、非線形で解けない分類にはカーネル法が非常に重要である。一方、量子機械学習は近年注目されているが、その具体的な評価はあまりなされていない。今回我々は、心臓病データセットを用いて、分類のための学習モデル構築の過程を検討した。その結果、古典カーネル法はランダムなモデルから真陽性率を向上させて学習モデルを構築する手法であり、量子カーネル法は高い真陽性率と偽陽性率から偽陽性率を低減させる手法であることが分った。以上、我々はROC空間を用いることで量子回路学習の過程を初めて実証した。さらに、古典的なカーネル法で構築した学習モデルよりも高い精度で、量子カーネルを用いた学習モデルを構築することができた。
