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

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)
Drastic Circuit Depth Reductions with Preserved Adversarial Robustness by Approximate Encoding for Quantum Machine Learning [0.5181797490530444]
本研究では, 変分, 遺伝的および行列積状態に基づくアルゴリズムを用いて, 符号化画像データを表す量子状態の効率的な作成法を実装した。その結果、これらの手法は、標準状態準備実装よりも2桁も浅い回路を用いて、QMLに適したレベルにほぼ準備できることが判明した。
論文参考訳（メタデータ） (2023-09-18T01:49:36Z)
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)
Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文参考訳（メタデータ） (2022-12-29T10:46:40Z)
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)
Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文参考訳（メタデータ） (2021-10-26T14:26:25Z)
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)
Hybrid Quantum-Classical Graph Convolutional Network [7.0132255816377445]
本研究は、HEPデータを学習するためのハイブリッド量子古典グラフ畳み込みネットワーク(QGCNN)を提供する。提案フレームワークは,パラメータ数の観点から,古典的多層パーセプトロンと畳み込みニューラルネットワークの優位性を示す。テスト精度に関して、QGCNNは、同じHEPデータセット上の量子畳み込みニューラルネットワークと同等のパフォーマンスを示している。
論文参考訳（メタデータ） (2021-01-15T16:02:52Z)
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。