論文の概要: Tensor Network Based Efficient Quantum Data Loading of Images

• arxiv url: http://arxiv.org/abs/2310.05897v1
• Date: Mon, 9 Oct 2023 17:40:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-10 22:11:37.201038
• Title: Tensor Network Based Efficient Quantum Data Loading of Images
• Title（参考訳）: テンソルネットワークによる画像の効率的な量子データ読み込み
• Authors: Jason Iaconis, Sonika Johri
• Abstract要約: 本稿では、画像の振幅をほぼエンコードする量子状態を生成する新しい方法を提案する。 道路シーンの複雑な画像に対して,捕捉されたイオン量子コンピュータの8量子ビット上で実験を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image-based data is a popular arena for testing quantum machine learning algorithms. A crucial factor in realizing quantum advantage for these applications is the ability to efficiently represent images as quantum states. Here we present a novel method for creating quantum states that approximately encode images as amplitudes, based on recently proposed techniques that convert matrix product states to quantum circuits. The numbers of gates and qubits in our method scale logarithmically in the number of pixels given a desired accuracy, which make it suitable for near term quantum computers. Finally, we experimentally demonstrate our technique on 8 qubits of a trapped ion quantum computer for complex images of road scenes, making this the first large instance of full amplitude encoding of an image in a quantum state.
• Abstract（参考訳）: 画像ベースのデータは、量子機械学習アルゴリズムをテストするための人気のあるアリーナである。 これらの応用における量子優位性を実現する上で重要な要素は、効率的に画像を量子状態として表現する能力である。 本稿では,行列積状態から量子回路への変換技術に基づいて,画像を振幅として符号化する新しい量子状態生成法を提案する。 提案手法におけるゲートと量子ビットの数は、所望の精度で画素数に対数的にスケールするので、短期量子コンピュータに適している。 最後に,道路シーンの複雑な画像に対して捕捉されたイオン量子コンピュータの8量子ビットに対して,本手法を実験的に実証した。

関連論文リスト

• 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)
• Achieving quantum advantages for image filtering [0.3441021278275805]
  本稿では,効率的な符号化と信号対雑音比の低い画像に対して,量子フィルタリングアルゴリズムを構築することができることを示す。 我々の研究は、実質的な量子スピードアップを達成することのできる画像の種類に関する洞察を提供する。
  論文  参考訳（メタデータ） (2023-06-12T17:20:30Z)
• Quantum Fourier Transform for Image Processing [3.4268116130770565]
  本稿では,周波数領域における1次元時系列や2次元画像などの情報処理のための量子アルゴリズムを提案する。 提案手法はIBM Qiskit量子シミュレータに実装されている。
  論文  参考訳（メタデータ） (2023-05-10T07:47:37Z)
• A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
  本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。 提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
  論文  参考訳（メタデータ） (2022-03-22T22:02:09Z)
• Variational quantum process tomography [12.843681115589122]
  我々は、未知のユニタリ量子プロセスを比較的浅い深さパラメトリック量子回路に符号化する量子機械学習アルゴリズムを提唱した。 その結果、これらの量子プロセスは高い忠実度で再構成可能である一方で、必要な入力状態の数は、標準量子プロセストモグラフィーで要求されるよりも少なくとも2ドル以下であることがわかった。
  論文  参考訳（メタデータ） (2021-08-05T03:36:26Z)
• Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
  想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。 本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T12:48:00Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Advantages and Bottlenecks of Quantum Machine Learning for Remote Sensing [63.69764116066747]
  本稿では,量子コンピュータの概要を説明し,量子画像分類手法の既存手法を考察し,これらのアルゴリズムを現在利用可能なオープンソースプラットフォーム上で実行する際のボトルネックについて考察する。 次のステップでは、量子隠蔽層のサイズを拡大し、さまざまな出力イメージオプションを拡大する。
  論文  参考訳（メタデータ） (2021-01-26T09:31:46Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)
• A Quantum Edge Detection Algorithm [2.639737913330821]
  エンタングルメントや重畳といった量子特性を利用して、多くの画像処理アルゴリズムが指数的なスピードアップを実現できることを示す。 本稿では,量子エッジ検出アルゴリズムの改良版を提案する。
  論文  参考訳（メタデータ） (2020-12-20T22:10:05Z)

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。