論文の概要: Quantum Vision Clustering

• arxiv url: http://arxiv.org/abs/2309.09907v1
• Date: Mon, 18 Sep 2023 16:15:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 12:19:28.578823
• Title: Quantum Vision Clustering
• Title（参考訳）: 量子ビジョンクラスタリング
• Authors: Xuan Bac Nguyen, Benjamin Thompson, Hugh Churchill, Khoa Luu, Samee U. Khan
• Abstract要約: クラスタリングアルゴリズムは代入問題、しばしばNPハードとして扱われる。 断熱的量子コンピューティングは解決策を提供する。 本稿では,AQCで解けるように設計された最初のクラスタリングの定式化を提案する。
• 参考スコア（独自算出の注目度）: 9.483577377335305
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unsupervised visual clustering has recently received considerable attention. It aims to explain distributions of unlabeled visual images by clustering them via a parameterized appearance model. From a different perspective, the clustering algorithms can be treated as assignment problems, often NP-hard. They can be solved precisely for small instances on current hardware. Adiabatic quantum computing (AQC) offers a solution, as it can soon provide a considerable speedup on a range of NP-hard optimization problems. However, current clustering formulations are unsuitable for quantum computing due to their scaling properties. Consequently, in this work, we propose the first clustering formulation designed to be solved with AQC. We employ an Ising model representing the quantum mechanical system implemented on the AQC. Our approach is competitive compared to state-of-the-art optimization-based approaches, even using of-the-shelf integer programming solvers. Finally, we demonstrate that our clustering problem is already solvable on the current generation of real quantum computers for small examples and analyze the properties of the measured solutions.
• Abstract（参考訳）: 教師なしの視覚的クラスタリングが最近注目されている。 パラメータ化された外観モデルを用いて、ラベルのない視覚画像の分布をクラスタリングすることを目的としている。 異なる観点から、クラスタリングアルゴリズムは代入問題として扱うことができ、しばしばNPハードである。 それらは、現在のハードウェア上の小さなインスタンスに対して正確に解決できる。 AQC(Adiabatic Quantum Computing)は、NP-hard最適化問題に対して、すぐにかなりのスピードアップを提供するソリューションを提供する。 しかし、現在のクラスタリングの定式化は、スケーリング特性のために量子コンピューティングには適さない。 そこで本研究では,AQCで解けるように設計された最初のクラスタリングの定式化を提案する。 AQC上に実装された量子力学系を表すIsingモデルを用いる。 我々のアプローチは、最先端の最適化に基づくアプローチと比較して競争力がある。 最後に,我々のクラスタリング問題は,実量子コンピュータの現世代の小さな例に対してすでに解決可能であり,測定した解の性質を解析できることを実証する。

関連論文リスト

• Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems [0.7550566004119158]
  本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。 VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。 合成と実世界の両方のデータセットから得られた数値結果について述べる。
  論文  参考訳（メタデータ） (2023-09-08T17:54:42Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Variational Quantum and Quantum-Inspired Clustering [0.0]
  本稿では,変動量子回路に基づくクラスタリングのための量子アルゴリズムを提案する。 このアルゴリズムはデータを多くのクラスタに分類することができ、数量子のノイズ中間スケール量子(NISQ)デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2022-06-20T17:02:19Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Quantum spectral clustering algorithm for unsupervised learning [0.8399688944263843]
  本稿では,量子プロセッサ上でのスペクトルクラスタリングを実現する回路設計を提案する。 確立された量子$k$-meansアルゴリズムと比較して、我々の手法は量子ランダムアクセスメモリや量子断熱処理を必要としない。
  論文  参考訳（メタデータ） (2022-03-07T05:06:47Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Oracle separations of hybrid quantum-classical circuits [68.96380145211093]
  量子計算の2つのモデル: CQ_dとQC_d。 CQ_dは、d-d-deepth量子コンピュータのシナリオを何度も捉え、QC_dは測定ベースの量子計算に類似している。 CQ_dとQC_dの類似性にもかかわらず、2つのモデルは本質的にはCQ_d $nsubseteq$QC_dとQC_d $nsubseteq$CQ_dである。
  論文  参考訳（メタデータ） (2022-01-06T03:10:53Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
  制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。 提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。 タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
  論文  参考訳（メタデータ） (2021-06-24T16:39:31Z)
• Balanced k-Means Clustering on an Adiabatic Quantum Computer [0.0]
  本稿では、D-Wave 2000Qアダイバティック量子コンピュータ上で、バランスの取れた$k$-meansクラスタリング訓練問題を解くための量子的アプローチを提案する。 既存の古典的アプローチは大規模なデータセットではスケールが悪く、ローカルに最適なソリューションを保証するだけである。
  論文  参考訳（メタデータ） (2020-08-10T21:15:47Z)

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。