論文の概要: Quantum annealing-based computed tomography using variational approach
for a real-number image reconstruction
- arxiv url: http://arxiv.org/abs/2306.02214v2
- Date: Mon, 19 Jun 2023 23:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 01:24:29.790872
- Title: Quantum annealing-based computed tomography using variational approach
for a real-number image reconstruction
- Title（参考訳）: 変分法による量子アニール型ctによる実数画像再構成
- Authors: Akihiro Haga
- Abstract要約: 本研究は実数再構成のための変分手法を用いたQACT再構成アルゴリズムを開発した。
注目すべきは、各ピクセルの表示に2キュービットしか必要とせず、正確な再構成に十分であることを示したことである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: Despite recent advancements in quantum computing, the limited
number of available qubits has hindered progress in CT reconstruction. This
study investigates the feasibility of utilizing quantum annealing-based
computed tomography (QACT) with current quantum bit levels. Approach: The QACT
algorithm aims to precisely solve quadratic unconstrained binary optimization
(QUBO) problems. Furthermore, a novel approach is proposed to reconstruct
images by approximating real numbers using the variational method. This
approach allows for accurate CT image reconstruction using a small number of
qubits. The study examines the impact of projection data quantity and noise on
various image sizes ranging from 4x4 to 24x24 pixels. The reconstructed results
are compared against conventional reconstruction algorithms, namely maximum
likelihood expectation maximization (MLEM) and filtered back projection (FBP).
Main result: By employing the variational approach and utilizing two qubits for
each pixel of the image, accurate reconstruction was achieved with an adequate
number of projections. Under conditions of abundant projections and lower noise
levels, the image quality in QACT outperformed that of MLEM and FBP. However,
in situations with limited projection data and in the presence of noise, the
image quality in QACT was inferior to that in MLEM. Significance: This study
developed the QACT reconstruction algorithm using the variational approach for
real-number reconstruction. Remarkably, only 2 qubits were required for each
pixel representation, demonstrating their sufficiency for accurate
reconstruction.
- Abstract（参考訳）: 目的:近年の量子コンピューティングの進歩にもかかわらず、利用可能な量子ビットの数が限られており、CT再構成の進歩を妨げている。
本研究では,量子アニーリングに基づくct(qact)を現在の量子ビットレベルで活用する可能性について検討する。
アプローチ: QACTアルゴリズムは2次非制約バイナリ最適化(QUBO)問題を正確に解くことを目的としている。
さらに,変動法を用いて実数を近似して画像を再構成する新しい手法を提案する。
このアプローチにより、少数の量子ビットを用いて正確なCT画像再構成が可能となる。
本研究では、4x4から24x24ピクセルの様々な画像サイズに対する投影データ量とノイズの影響について検討する。
再構成結果は、従来の再構成アルゴリズム、すなわち、最大期待予測最大化(MLEM)とフィルタバックプロジェクション(FBP)と比較される。
主な結果: 変分アプローチを採用し, 画像の各画素に対して2量子ビットを活用することで, 適切な投影数で正確な再構成を実現することができた。
豊富な投影と低騒音の条件下では、QACTの画質はMLEMやFBPよりも優れていた。
しかし、投影データに制限のある状況やノイズの存在下では、QACTの画質はMLEMよりも劣っていた。
意義: 本研究は実数再構成のための変分手法を用いたQACT再構成アルゴリズムを開発した。
驚くべきことに、各ピクセルの表現には2量子ビットしか必要とせず、正確な再構成に十分な性能を示した。
関連論文リスト
- 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。
低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。
本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
論文 参考訳（メタデータ） (2024-06-10T06:06:11Z) - AdaBM: On-the-Fly Adaptive Bit Mapping for Image Super-Resolution [53.23803932357899]
我々は、処理時間を数時間から秒に短縮する最初のオンザフライ適応量子化フレームワークを導入する。
我々は,従来の適応量子化法と競合する性能を実現し,処理時間をx2000で高速化する。
論文 参考訳（メタデータ） (2024-04-04T08:37:27Z) - QN-Mixer: A Quasi-Newton MLP-Mixer Model for Sparse-View CT Reconstruction [0.0]
準ニュートン法に基づくアルゴリズムQN-Mixerを導入する。
Incept-Mixerは非局所正規化用語として機能する効率的なニューラルネットワークである。
我々のアプローチは知的に情報をサンプリングし、計算要求を大幅に削減する。
論文 参考訳（メタデータ） (2024-02-28T00:20:25Z) - Image Denoising with Machine Learning: A Novel Approach to Improve Quantum Image Processing Quality and Reliability [3.8704324110545767]
量子画像処理(QIP)は、画像の操作と解析に量子コンピューティングの利点を活用することを目的としている。
QIPは量子ビットの制限と量子マシンにおけるノイズの存在という2つの課題に直面している。
本稿では,量子処理された画像のノイズを特定し,修正する機械学習モデルを用いて,QIPにおけるノイズ問題に対処する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-18T16:55:54Z) - A Novel Approach to Threshold Quantum Images by using Unsharp
Measurements [0.8287206589886881]
本研究では、未シャープ測定により、グレースケール画像のしきい値とバイナライズのためのハイブリッド量子アプローチを提案する。
提案手法は、重複するガウスのピークと、隣接する局所ミニマの間の距離を分散として利用する。
得られたしきい値を用いて、しきい値エンコーダと統合された新しい量子画像表現を用いて、グレースケール画像をバイナライズする。
論文 参考訳（メタデータ） (2023-10-16T18:34:40Z) - A quantum segmentation algorithm based on local adaptive threshold for
NEQR image [7.798738743268923]
アルゴリズムの複雑さは$O(n2+q)$に縮めることができるが、これは古典的なアルゴリズムに比べて指数的なスピードアップである。
この実験はIBM Qを用いて、ノイズの多い中間スケール量子(NISQ)時代のアルゴリズムの実現可能性を示す。
論文 参考訳（メタデータ） (2023-10-02T04:01:42Z) - Hybrid adiabatic quantum computing for tomographic image reconstruction
-- opportunities and limitations [8.442020709975015]
臨床画像では、患者の快適さを改善し、放射線曝露を減らすのに役立つ。
本稿では,アディアバティックな量子コンピュータとそれに関連するハイブリッド手法を用いて再構成問題を解くことを提案する。
論文 参考訳（メタデータ） (2022-12-02T17:11:48Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳（メタデータ） (2021-06-27T06:27:22Z) - Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。
我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。
低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文 参考訳（メタデータ） (2020-11-29T03:53:49Z) - Fast and robust quantum state tomography from few basis measurements [65.36803384844723]
本稿では、上記の全てのリソースを精度に悪影響を及ぼすことなく最適化するオンライントモグラフィーアルゴリズムを提案する。
このプロトコルは、状態コピー、測定設定、メモリのランクと寸法で証明可能なパフォーマンスを初めて提供する。
量子コンピュータ上でアルゴリズムを実行し、量子状態トモグラフィーのための量子スピードアップを提供することにより、さらなる改善が可能となる。
論文 参考訳（メタデータ） (2020-09-17T11:28:41Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z)
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。