論文の概要: Quantum artificial vision for defect detection in manufacturing

• arxiv url: http://arxiv.org/abs/2208.04988v1
• Date: Tue, 9 Aug 2022 18:30:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 13:23:48.442035
• Title: Quantum artificial vision for defect detection in manufacturing
• Title（参考訳）: 製造における欠陥検出のための量子人工ビジョン
• Authors: Daniel Guijo, Victor Onofre, Gianni Del Bimbo, Samuel Mugel, Daniel Estepa, Xabier De Carlos, Ana Adell, Aizea Lojo, Josu Bilbao, Roman Orus
• Abstract要約: ノイズ中間スケール量子(NISQ)デバイスを用いた量子コンピュータビジョンのアルゴリズムについて検討する。 私たちはそれらを、彼らの古典的な問題に対する真の問題としてベンチマークします。 これは製造ラインにおける産業関連の問題に対する量子コンピュータビジョンシステムの最初の実装である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we consider several algorithms for quantum computer vision using Noisy Intermediate-Scale Quantum (NISQ) devices, and benchmark them for a real problem against their classical counterparts. Specifically, we consider two approaches: a quantum Support Vector Machine (QSVM) on a universal gate-based quantum computer, and QBoost on a quantum annealer. The quantum vision systems are benchmarked for an unbalanced dataset of images where the aim is to detect defects in manufactured car pieces. We see that the quantum algorithms outperform their classical counterparts in several ways, with QBoost allowing for larger problems to be analyzed with present-day quantum annealers. Data preprocessing, including dimensionality reduction and contrast enhancement, is also discussed, as well as hyperparameter tuning in QBoost. To the best of our knowledge, this is the first implementation of quantum computer vision systems for a problem of industrial relevance in a manufacturing production line.
• Abstract（参考訳）: 本稿では、NISQ(Noisy Intermediate-Scale Quantum)デバイスを用いた量子コンピュータビジョンのためのいくつかのアルゴリズムについて検討し、それらを従来のコンピュータビジョンと比較した。 具体的には、普遍ゲートベースの量子コンピュータ上での量子支援ベクトルマシン(QSVM)と量子アニール上でのQBoostの2つのアプローチを検討する。 量子ビジョンシステムは、製造された車の欠陥を検出することを目的として、バランスの取れていない画像のデータセットに対してベンチマークされる。 量子アルゴリズムは古典的アルゴリズムよりもいくつかの点で優れており、QBoostは現在の量子アニールを用いてより大きな問題を解析することができる。 また、QBoostにおける超パラメータチューニングと同様に、次元削減やコントラスト強化を含むデータ前処理についても論じている。 私たちの知る限りでは、これは製造ラインにおける産業的関連性の問題に対する量子コンピュータビジョンシステムの最初の実装である。

関連論文リスト

• Unlocking Quantum Optimization: A Use Case Study on NISQ Systems [0.0]
  本稿では、電気自動車の充電スケジュールを最適化する分野における産業関連ユースケースと、トラック走行経路の最適化に関するユースケースについて考察する。 我々の中心的なコントリビューションは、IBMのゲートベース量子コンピュータの異なるプロセッサとD-Waveの量子アニール上で実行されるこれらのユースケースから導かれる系統的な一連の例である。
  論文  参考訳（メタデータ） (2024-04-10T17:08:07Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• State-Averaged Orbital-Optimized VQE: A quantum algorithm for the democratic description of ground and excited electronic states [0.0]
  SA-OO-VQEパッケージは、典型的な変分量子固有解法に基づくハイブリッド量子古典的概念によって両方の問題を解決することを目的としている。 SA-OO-VQEは、同じ足場上で退化状態(または準退化状態)を処理できるので、回避された交差や円錐交差に関する既知の数値最適化問題を回避することができる。
  論文  参考訳（メタデータ） (2024-01-22T12:16:37Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• On the feasibility of performing quantum chemistry calculations on quantum computers [0.0]
  分子の基底状態を見つけるための2つの主要な量子アプローチを評価するための2つの基準を提案する。 最初の基準は変分量子固有解法(VQE)アルゴリズムに適用される。 第2の基準は量子位相推定(QPE)アルゴリズムに適用される。
  論文  参考訳（メタデータ） (2023-06-05T06:41:22Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Quantum-Error-Mitigation Circuit Groups for Noisy Quantum Metrology [0.0]
  量子技術は、量子コヒーレンスや量子絡み合いのような量子系に固有の性質を利用する。 量子技術は環境との相互作用(デコヒーレンス)に対して脆弱であり、それらを高精度に活用するにはエラー軽減技術を開発する必要がある。
  論文  参考訳（メタデータ） (2023-03-03T10:01:42Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Hybrid quantum-classical algorithms and quantum error mitigation [0.688204255655161]
  Googleは先頃、50量子ビットを超えるノイズの多い中間スケール量子デバイスを使用することで、量子超越性を達成した。 本稿では,ハイブリッド量子古典アルゴリズムと量子誤り軽減技術の基礎的結果について概説する。
  論文  参考訳（メタデータ） (2020-11-02T23:34:22Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。