Fugu-MT 論文翻訳(概要): Reflection Equivariant Quantum Neural Networks for Enhanced Image Classification

論文の概要: Reflection Equivariant Quantum Neural Networks for Enhanced Image Classification

arxiv url: http://arxiv.org/abs/2212.00264v1
Date: Thu, 1 Dec 2022 04:10:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-09 19:07:13.010389
Title: Reflection Equivariant Quantum Neural Networks for Enhanced Image Classification
Title（参考訳）: 強調画像分類のための反射同変量子ニューラルネットワーク
Authors: Maxwell West, Martin Sevior, Muhammad Usman
Abstract要約: 汎用量子機械学習(QML)アーキテクチャは、厳しいトレーニング可能性の問題や一般化性能の低下に悩まされることが多い。近年の研究では、幾何学的QML(GQML)が、これらの問題に対処するために、そのデータの対称性を明示的に尊重するターゲットQMLモデルを構築することが示唆されている。
参考スコア（独自算出の注目度）: 0.8078491757252693
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generic quantum machine learning (QML) architectures often suffer from severe trainability issues and poor generalisation performance. Recent work has suggested that geometric QML (GQML) may combat these issues through the construction of targeted QML models which explicitly respect the symmetries of their data. Here we turn the techniques of GQML to image classification, building new QML models which are equivariant with respect to reflections of the images. Our results are the first to demonstrate that this class of QML models is capable of consistently outperforming widely used generic ansatze, highlighting the potential for the future development of superior QML networks by directly exploiting the symmetries of datasets.
Abstract（参考訳）: ジェネリック量子機械学習(qml)アーキテクチャは、しばしば厳しいトレーサビリティの問題と一般化性能の低下に苦しむ。近年の研究では、幾何学的QML(GQML)が、これらの問題に対処するために、そのデータの対称性を明示的に尊重するターゲットQMLモデルを構築することが示唆されている。ここでは、GQMLの技法を画像分類に転換し、画像の反射に同値な新しいQMLモデルを構築する。このQMLモデルは,データセットの対称性を直接活用して,優れたQMLネットワークを将来開発する可能性を強調し,広く使用されている汎用的アンサテイズを一貫して上回る可能性を実証する最初のものである。

関連論文リスト

Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
論文参考訳（メタデータ） (2025-02-16T23:13:55Z)
Modeling Quantum Machine Learning for Genomic Data Analysis [12.248184406275405]
量子機械学習(QML)は進化を続け、多様なアプリケーションに新たな機会を開放している。ゲノム配列データのバイナリ分類におけるQMLモデルの適用性について,様々な特徴マッピング手法を用いて検討・評価する。ベンチマークゲノミクスデータセット上で実験を行うために,オープンソースで独立したQiskitベースの実装を提案する。
論文参考訳（メタデータ） (2025-01-14T15:14:26Z)
Learning to Measure Quantum Neural Networks [10.617463958884528]
本稿では,量子系の可観測性,特にエルミート行列学習性を実現する新しい手法を提案する。本手法では,パラメータ化可観測関数を通常の量子回路パラメータとともに学習するエンド・ツー・エンドの微分可能学習フレームワークを特徴とする。数値シミュレーションにより,提案手法は変動量子回路の観測値の同定が可能であり,その結果が得られた。
論文参考訳（メタデータ） (2025-01-10T02:28:19Z)
SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding [66.74446220401296]
画像の理解と生成の両方が可能なシンプルだが強力なエンコーダのないMLLMであるSynerGen-VLを提案する。トークンの折り畳み機構と,高分解能画像理解を効果的に支援するビジョンエキスパートベースのプログレッシブアライメント事前学習戦略を導入する。コードとモデルはリリースされます。
論文参考訳（メタデータ） (2024-12-12T18:59:26Z)
Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
Hybrid Classical-Quantum architecture for vectorised image classification of hand-written sketches [0.0]
量子機械学習は、別の方法でデータを学ぶために量子現象をどのように活用するかを研究する。近年の進歩は、ハイブリッド古典量子モデルは、アーキテクチャの複雑さが低い場合に競争性能を達成できることを示唆している。本稿では,QMLモデルのテストベッドとして,スケッチ描画のベクトルベース表現を提案する。
論文参考訳（メタデータ） (2024-07-08T21:51:20Z)
FAENet: Frame Averaging Equivariant GNN for Materials Modeling [123.19473575281357]
データ変換による任意のモデルE(3)-同変や不変化を実現するために,フレームアラグリング(SFA)に依存したフレキシブルなフレームワークを導入する。本手法の有効性を理論的および実験的に証明し, 材料モデリングにおける精度と計算スケーラビリティを実証する。
論文参考訳（メタデータ） (2023-04-28T21:48:31Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
Subtleties in the trainability of quantum machine learning models [0.0]
本稿では,変分量子アルゴリズムの勾配スケーリング結果を用いて,量子機械学習モデルの勾配スケーリングについて検討する。以上の結果から,VQAトレーサビリティの低下がQMLのバレンプラトーなどの問題を引き起こす可能性が示唆された。
論文参考訳（メタデータ） (2021-10-27T20:28:53Z)
Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
Predicting toxicity by quantum machine learning [11.696069523681178]
本研究では, 定量的構造活性相関に基づく221種類のフェノールの毒性予測のためのQMLモデルを開発した。その結果、量子エンタングルメントによって強化されたデータエンコーディングは、従来のエンタングルよりも表現力が高いことが示唆された。
論文参考訳（メタデータ） (2020-08-18T02:59:40Z)

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。