論文の概要: Enhancing a Convolutional Autoencoder with a Quantum Approximate
Optimization Algorithm for Image Noise Reduction
- arxiv url: http://arxiv.org/abs/2401.06367v1
- Date: Fri, 12 Jan 2024 04:35:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 20:33:47.815953
- Title: Enhancing a Convolutional Autoencoder with a Quantum Approximate
Optimization Algorithm for Image Noise Reduction
- Title（参考訳）: 画像ノイズ低減のための量子近似最適化アルゴリズムによる畳み込みオートエンコーダの高速化
- Authors: Kimleang Kea, Won-Du Chang, Hee Chul Park and Youngsun Han
- Abstract要約: 多くの畳み込みオートエンコーダアルゴリズムは、画像の復調に有効であることが証明されている。
本研究では,QCAE(Quantum Convolutional Autoencoder)法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image denoising is essential for removing noise in images caused by electric
device malfunctions or other factors during image acquisition. It helps
preserve image quality and interpretation. Many convolutional autoencoder
algorithms have proven effective in image denoising. Owing to their promising
efficiency, quantum computers have gained popularity. This study introduces a
quantum convolutional autoencoder (QCAE) method for improved image denoising.
This method was developed by substituting the representative latent space of
the autoencoder with a quantum circuit. To enhance efficiency, we leveraged the
advantages of the quantum approximate optimization algorithm
(QAOA)-incorporated parameter-shift rule to identify an optimized cost
function, facilitating effective learning from data and gradient computation on
an actual quantum computer. The proposed QCAE method outperformed its classical
counterpart as it exhibited lower training loss and a higher structural
similarity index (SSIM) value. QCAE also outperformed its classical counterpart
in denoising the MNIST dataset by up to 40% in terms of SSIM value, confirming
its enhanced capabilities in real-world applications. Evaluation of QAOA
performance across different circuit configurations and layer variations showed
that our technique outperformed other circuit designs by 25% on average.
- Abstract（参考訳）: 画像取得時の電気機器の故障やその他の要因による画像ノイズの除去には画像ノイズ除去が不可欠である。
画質と解釈を維持するのに役立ちます。
多くの畳み込みオートエンコーダアルゴリズムは画像の復調に有効であることが証明されている。
その有望な効率により、量子コンピュータの人気が高まった。
本研究では,量子畳み込みオートエンコーダ(qcae)法を提案する。
この手法は、オートエンコーダの代表潜在空間を量子回路で置換することによって開発された。
そこで我々は,量子近似最適化アルゴリズム(QAOA)を組み込んだパラメータシフトルールの利点を利用して,最適化コスト関数を同定し,データからの効果的な学習と実際の量子コンピュータ上の勾配計算を容易にする。
提案手法は, トレーニング損失が低く, 構造類似度指数(SSIM)が高いため, 従来の手法よりも優れていた。
QCAEはまた、MNISTデータセットをSSIM値で最大40%デノベートし、現実世界のアプリケーションで拡張された機能を確認するという点で、従来のものよりも優れていた。
異なる回路構成および層間におけるQAOA性能の評価により,本手法が他の回路設計よりも25%高い性能を示した。
関連論文リスト
- Qubit-efficient Variational Quantum Algorithms for Image Segmentation [4.737806718785056]
量子コンピューティングは、古典的なアルゴリズムの範囲を超えて、様々な計算タスクを変換することが期待されている。
本研究では,教師なし画像分割における変分量子アルゴリズム(VQA)の適用について検討する。
論文 参考訳（メタデータ） (2024-05-23T10:21:57Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - 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) - Simulating photonic devices with noisy optical elements [0.615738282053772]
短期的には、あらゆる量子アルゴリズムの性能は、ノイズの存在下でテストされ、シミュレートされるべきである。
我々は,最近提案されたノイズゲートアプローチを用いて,雑音光回路を効率的にシミュレートする。
また、MAX-2-CUT問題を解くために、フォトニック変分量子アルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2023-11-17T16:06:20Z) - QAOA Performance in Noisy Devices: The Effect of Classical Optimizers and Ansatz Depth [0.32985979395737786]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、Near-term Intermediate-Scale Quantum Computer (NISQ)のための変分量子アルゴリズムである。
本稿では,古典的ベクトルに対する現実的な騒音の影響について検討する。
その結果,Adam と AMSGrads はショットノイズの存在下で最高の性能を示した。
論文 参考訳（メタデータ） (2023-07-19T17:22:44Z) - 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) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳（メタデータ） (2022-09-26T03:28:23Z) - Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。
トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。
AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
論文 参考訳（メタデータ） (2022-03-24T18:11:31Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - A Comparison of Various Classical Optimizers for a Variational Quantum
Linear Solver [0.0]
変分型ハイブリッド量子古典アルゴリズム(VHQCAs)は、ノイズの多い量子デバイス上で動作することを目的とした量子アルゴリズムのクラスである。
これらのアルゴリズムは、パラメータ化量子回路(アンサッツ)と量子古典フィードバックループを用いる。
古典的なデバイスは、量子デバイス上ではるかに効率的に計算できるコスト関数を最小限に抑えるためにパラメータを最適化するために使用される。
論文 参考訳（メタデータ） (2021-06-16T10:40:00Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。