論文の概要: Approximately Equivariant Quantum Neural Network for $p4m$ Group Symmetries in Images

• arxiv url: http://arxiv.org/abs/2310.02323v1
• Date: Tue, 3 Oct 2023 18:01:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 18:12:24.543460
• Title: Approximately Equivariant Quantum Neural Network for $p4m$ Group Symmetries in Images
• Title（参考訳）: 画像における$p4m$群対称性に対する近似同変量子ニューラルネットワーク
• Authors: Su Yeon Chang, Michele Grossi, Bertrand Le Saux, and Sofia Vallecorsa
• Abstract要約: 本研究では、平面$p4m$対称性に基づく画像分類のための同変量子畳み込みニューラルネットワーク(EquivQCNNs)を提案する。 2次元イジングモデルの位相検出や拡張MNISTデータセットの分類など、さまざまなユースケースでテストされた結果を示す。
• 参考スコア（独自算出の注目度）: 30.01160824817612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Neural Networks (QNNs) are suggested as one of the quantum algorithms which can be efficiently simulated with a low depth on near-term quantum hardware in the presence of noises. However, their performance highly relies on choosing the most suitable architecture of Variational Quantum Algorithms (VQAs), and the problem-agnostic models often suffer issues regarding trainability and generalization power. As a solution, the most recent works explore Geometric Quantum Machine Learning (GQML) using QNNs equivariant with respect to the underlying symmetry of the dataset. GQML adds an inductive bias to the model by incorporating the prior knowledge on the given dataset and leads to enhancing the optimization performance while constraining the search space. This work proposes equivariant Quantum Convolutional Neural Networks (EquivQCNNs) for image classification under planar $p4m$ symmetry, including reflectional and $90^\circ$ rotational symmetry. We present the results tested in different use cases, such as phase detection of the 2D Ising model and classification of the extended MNIST dataset, and compare them with those obtained with the non-equivariant model, proving that the equivariance fosters better generalization of the model.
• Abstract（参考訳）: 量子ニューラルネットワーク(QNN)は、ノイズの存在下で、短期量子ハードウェアの低深さで効率的にシミュレートできる量子アルゴリズムの1つとして提案されている。 しかし、それらの性能は変分量子アルゴリズム(VQA)の最も適したアーキテクチャの選択に大きく依存しており、問題に依存しないモデルはしばしば訓練性や一般化能力に関する問題に悩まされる。 解決策として、最新の研究は、データセットの基礎となる対称性に関してQNNを同変とする幾何学量子機械学習(GQML)を探索している。 GQMLは、与えられたデータセットに事前の知識を取り入れ、探索空間を制約しながら最適化性能を向上させることによって、モデルに誘導バイアスを加える。 本研究では、平面$p4m$対称性と90^\circ$回転対称性を含む画像分類のための同変量子畳み込みニューラルネットワーク(EquivQCNNs)を提案する。 本研究では,2次元イジングモデルの位相検出や拡張MNISTデータセットの分類などの異なるユースケースでテストされた結果について,同値モデルと比較し,同値がモデルのより優れた一般化を促進することを証明した。

関連論文リスト

• Resource-efficient equivariant quantum convolutional neural networks [0.0]
  本研究では、同変分割並列化QCNN(sp-QCNN)と呼ばれる同変量子畳み込みニューラルネットワーク(QCNN)の資源効率モデルを提案する。 グループ理論的アプローチを用いて、以前のsp-QCNNで対処された翻訳対称性を超えて、一般対称性をモデルにエンコードする。 この結果は,実用的な量子機械学習アルゴリズムの進歩に寄与する。
  論文  参考訳（メタデータ） (2024-10-02T05:51:33Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Image Classification with Rotation-Invariant Variational Quantum Circuits [0.0]
  変分量子アルゴリズムは、ノイズ中間スケール量子(NISQ)デバイスの初期応用として注目されている。 変分法の主な問題の1つは、変分パラメータの最適化に現れるバレンプラトー現象にある。 量子モデルに帰納バイアスを加えることは、この問題を緩和する潜在的な解決策として提案され、Geometric Quantum Machine Learningと呼ばれる新しい分野が生まれた。
  論文  参考訳（メタデータ） (2024-03-22T08:26:31Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Theoretical Guarantees for Permutation-Equivariant Quantum Neural Networks [0.0]
  等変量子ニューラルネットワーク(QNN)の構築方法を示す。 我々は、不毛の高原に苦しめられず、すぐに過度なパラメータ化に達し、少量のデータからよく一般化されることを証明した。 我々の研究は、同変QNNに対する最初の理論的保証を提供し、GQMLの極端なパワーとポテンシャルを示している。
  論文  参考訳（メタデータ） (2022-10-18T16:35:44Z)
• Theory for Equivariant Quantum Neural Networks [0.0]
  本質的に任意の対称性群に対して等変量子ニューラルネットワーク(EQNN)を設計するための理論的枠組みを提案する。 私たちのフレームワークは、量子機械学習のほぼすべての領域に簡単に適用できます。
  論文  参考訳（メタデータ） (2022-10-16T15:42:21Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• 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 Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)
• Group Convolutional Neural Networks Improve Quantum State Accuracy [1.52292571922932]
  特定の対称性を持つ量子状態に対して、最大表現モデルを作成する方法を示す。 我々は,グループ同変畳み込みネットワーク(G-CNN) citecohen2016groupを実装し,メモリ使用量を増やすことなく,性能改善を実現することを実証した。
  論文  参考訳（メタデータ） (2021-04-11T19:45:10Z)

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。