論文の概要: Quantum Kernel for Image Classification of Real World Manufacturing
Defects
- arxiv url: http://arxiv.org/abs/2212.08693v1
- Date: Fri, 16 Dec 2022 19:43:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 14:15:23.227005
- Title: Quantum Kernel for Image Classification of Real World Manufacturing
Defects
- Title（参考訳）: 実世界の製造欠陥の画像分類のための量子カーネル
- Authors: Daniel Beaulieu, Dylan Miracle, Anh Pham, and William Scherr
- Abstract要約: 超伝導量子コンピュータを用いて製造設備から実世界の画像データを分類するために,量子カーネル法を適用した。
その結果,角符号化回路は実量子ハードウェア上での量子カーネル符号化手法の最高性能を達成できた。
- 参考スコア（独自算出の注目度）: 0.48998185508205755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quantum kernel method results clearly outperformed a classical SVM when
analyzing low-resolution images with minimal feature selection on the quantum
simulator, with inconsistent results when run on an actual quantum processor.
We chose to use an existing quantum kernel method for classification. We
applied dynamic decoupling error mitigation using the Mitiq package to the
Quantum SVM kernel method, which, to our knowledge, has never been done for
quantum kernel methods for image classification. We applied the quantum kernel
method to classify real world image data from a manufacturing facility using a
superconducting quantum computer. The manufacturing images were used to
determine if a product was defective or was produced correctly through the
manufacturing process. We also tested the Mitiq dynamical decoupling (DD)
methodology to understand effectiveness in decreasing noise-related errors. We
also found that the way classical data was encoded onto qubits in quantum
states affected our results. All three quantum processing unit (QPU) runs of
our angle encoded circuit returned different results, with one run having
better than classical results, one run having equivalent to classical results,
and a run with worse than classical results. The more complex instantaneous
quantum polynomial (IQP) encoding approach showed better precision than
classical SVM results when run on a QPU but had a worse recall and F1-score. We
found that DD error mitigation did not improve the results of IQP encoded
circuits runs and did not have an impact on angle encoded circuits runs on the
QPU. In summary, we found that the angle encoded circuit performed the best of
the quantum kernel encoding methods on real quantum hardware. In future
research projects using quantum kernels to classify images, we recommend
exploring other error mitigation techniques than Mitiq DD.
- Abstract（参考訳）: 量子カーネル法は,量子シミュレータ上での低解像度画像を最小限の特徴選択で解析し,実際の量子プロセッサ上で実行した場合の矛盾した結果において,従来のSVMよりも明らかに優れていた。
既存の量子カーネル法を分類に利用することを選んだ。
我々は,mitiqパッケージを用いた動的デカップリング誤り軽減法を量子svmカーネル法に適用した。
量子カーネル法を適用し,超伝導量子コンピュータを用いて製造設備から実世界の画像データを分類した。
製造画像は、製品が欠陥であるか、製造プロセスを通じて正しく製造されたかを判定するために使用された。
また,mitiq dynamical decoupling (dd) 法をテストし,ノイズ関連誤差の低減効果について検討した。
また、量子状態の量子ビットに古典的なデータがエンコードされる方法が結果に影響を与えていることもわかりました。
私たちのアングル符号化回路の3つの量子処理ユニット(qpu)は、それぞれ異なる結果が返され、1つの実行は古典的結果より優れ、1つの実行は古典的結果と同等の結果、そして1つの実行は古典的結果よりも悪い結果が返された。
より複雑な瞬時量子多項式 (IQP) 符号化手法は、QPU上での実行時に古典的なSVM結果よりも精度が良いが、リコールとF1スコアは悪い。
DD誤差低減はIQP符号化回路の動作結果を改善せず,QPU上での動作角度に影響を与えないことがわかった。
要約すると、アングル符号化回路は実際の量子ハードウェア上で最も優れた量子カーネル符号化手法を実現した。
量子カーネルを用いて画像分類を行う今後の研究プロジェクトでは、mitiq ddよりも他の誤り軽減手法を探求することを推奨する。
関連論文リスト
- 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) - Deep learning as a tool for quantum error reduction in quantum image
processing [0.0]
本稿では、LPIQEを用いて符号化された画像の全体的な誤差を低減するために、位相アンラベリング誤り低減法と併用して、画像と画像の変換を訓練した生成対向ネットワークを成功させたことを報告する。
量子コンピュータの可用性と量子量に制限があるにもかかわらず、量子画像表現は広く研究されている領域である。
論文 参考訳（メタデータ） (2023-11-08T10:14:50Z) - 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) - 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) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Model-Independent Error Mitigation in Parametric Quantum Circuits and
Depolarizing Projection of Quantum Noise [1.5162649964542718]
与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。
Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。
現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
論文 参考訳（メタデータ） (2021-11-30T16:08:01Z) - Mitigating errors by quantum verification and post-selection [0.0]
本稿では,いわゆる認証プロトコルである量子検証に基づく量子誤り軽減手法とポストセレクションを提案する。
提案手法のサンプル複雑性について考察し,騒音の現実的な仮定の下で誤りを緩和する厳密な保証を提供する。
当社の手法では,認証プロトコルの異なる実行環境間で出力状態を異なるものにするため,動作の時間依存も可能としています。
論文 参考訳（メタデータ） (2021-09-29T10:29:39Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳（メタデータ） (2021-03-31T02:41:36Z) - Quantum Support Vector Machines for Continuum Suppression in B Meson
Decays [0.27342795342528275]
古典的データを量子状態に変換するプロセスである異なる量子符号化回路が最終分類性能に与える影響について検討する。
本稿では、量子回路シミュレーションを用いて、0.848のAUC(Area Under Receiver Operating Characteristics Curve)の符号化手法を提案する。
データセットの縮小バージョンを使用して、IBM Quantum ibmq_casablancaデバイス上でアルゴリズムを実行し、平均AUCは0.703に達した。
論文 参考訳（メタデータ） (2021-03-23T02:09:05Z) - Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs.
Coded Systems [69.33243249411113]
パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。
我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
論文 参考訳（メタデータ） (2020-12-15T15:51:27Z) - Efficient CNOT Synthesis for NISQ Devices [1.0152838128195467]
ノイズの多い中間スケール量子(NISQ)の時代、実際の量子デバイス上で量子アルゴリズムを実行することは、ユニークな課題に直面している。
この問題を解決するために,トークン還元法と呼ばれるCNOT合成法を提案する。
我々のアルゴリズムは、テストされた全ての量子アーキテクチャにおいて、最も広くアクセス可能なアルゴリズムよりも一貫して優れています。
論文 参考訳（メタデータ） (2020-11-12T15:13:32Z)
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。