論文の概要: Image Compression and Classification Using Qubits and Quantum Deep Learning

• arxiv url: http://arxiv.org/abs/2110.05476v1
• Date: Fri, 8 Oct 2021 20:53:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-13 15:34:04.533903
• Title: Image Compression and Classification Using Qubits and Quantum Deep Learning
• Title（参考訳）: ビットと量子ディープラーニングを用いた画像圧縮と分類
• Authors: Ali Mohsen, Mo Tiwari
• Abstract要約: 本稿では,量子システムを用いて,より大規模でリアルな画像の分類を行うフレームワークを提案する。 我々のアプローチは、以前の作業よりも少ない量子ビットを必要としながら、画像を量子状態に埋め込む新しい符号化機構に依存している。 当社のフレームワークでは,パソコン上でのMNISTデータセットの最大16×16まで,従来より大きい画像を分類することが可能である。
• 参考スコア（独自算出の注目度）: 1.2691047660244335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work suggests that quantum machine learning techniques can be used for classical image classification by encoding the images in quantum states and using a quantum neural network for inference. However, such work has been restricted to very small input images, at most 4 x 4, that are unrealistic and cannot even be accurately labeled by humans. The primary difficulties in using larger input images is that hitherto-proposed encoding schemes necessitate more qubits than are physically realizable. We propose a framework to classify larger, realistic images using quantum systems. Our approach relies on a novel encoding mechanism that embeds images in quantum states while necessitating fewer qubits than prior work. Our framework is able to classify images that are larger than previously possible, up to 16 x 16 for the MNIST dataset on a personal laptop, and obtains accuracy comparable to classical neural networks with the same number of learnable parameters. We also propose a technique for further reducing the number of qubits needed to represent images that may result in an easier physical implementation at the expense of final performance. Our work enables quantum machine learning and classification on classical datasets of dimensions that were previously intractable by physically realizable quantum computers or classical simulation
• Abstract（参考訳）: 最近の研究は、量子状態の画像をエンコードし、量子ニューラルネットワークを用いて推論することで、量子機械学習技術が古典的画像分類に使用できることを示唆している。 しかし、そのような作品は非常に小さな入力画像に限られており、少なくとも4 x 4は非現実的であり、人間によって正確なラベル付けすらできない。 大きな入力画像を使う上での最大の困難は、hhertoが提案する符号化方式が物理的に実現可能なものよりも多くの量子ビットを必要とすることである。 量子システムを用いて,大規模でリアルな画像を分類する枠組みを提案する。 我々のアプローチは、量子状態に画像を埋め込む新しいエンコーディングメカニズムに依存しており、以前の作業よりも少ないキュービットを必要とする。 我々のフレームワークは、パーソナルノートパソコン上のMNISTデータセットの最大16 x 16の画像を分類することができ、学習可能なパラメータの数と同じ古典的ニューラルネットワークに匹敵する精度を得ることができる。 また,最終的な性能を犠牲にして,物理的実装を容易にする画像表現に必要なキュービット数をさらに削減する手法を提案する。 我々の研究は、物理的に実現可能な量子コンピュータや古典的シミュレーションによって以前魅力のある次元の古典的データセットの量子機械学習と分類を可能にする。

関連論文リスト

• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Efficient MPS representations and quantum circuits from the Fourier modes of classical image data [0.0]
  高速に減衰するフーリエスペクトルを持つ古典的データは、シュミットランクの小さい状態によってよく近似できることを示す。 これらの近似状態は、隣り合う2量子ビットゲートの線形数を持つ量子コンピュータ上で準備することができる。 また、異なる変分回路のアンゼを考慮し、1次元のシーケンシャル回路がより強力なアンゼと同じ圧縮品質を達成できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-11-13T19:00:33Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
  本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。 提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
  論文  参考訳（メタデータ） (2022-03-22T22:02:09Z)
• Improved FRQI on superconducting processors and its restrictions in the NISQ era [62.997667081978825]
  量子画像のフレキシブル表現の実現可能性について検討する。 また、現在の雑音の中間スケール量子時代の限界を実験的に検証する。 FRQIに必要な回路を単純化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T10:42:43Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)
• Experimental realization of a quantum image classifier via tensor-network-based machine learning [4.030017427802459]
  我々は,フォトニックキュービットを用いた実写画像の分類に成功していることを示す。 我々は手書きゼロと手書きゼロのバイナリ分類に焦点をあて、その特徴をテンソル-ネットワーク表現にキャストする。 テンソル積表現における特徴の効率的なマルチキュービット符号化にスケールすることができる。
  論文  参考訳（メタデータ） (2020-03-19T03:26:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。