論文の概要: Digital-analog quantum convolutional neural networks for image classification

• arxiv url: http://arxiv.org/abs/2405.00548v1
• Date: Wed, 1 May 2024 14:43:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-02 15:27:48.904384
• Title: Digital-analog quantum convolutional neural networks for image classification
• Title（参考訳）: 画像分類のためのディジタルアナログ量子畳み込みニューラルネットワーク
• Authors: Anton Simen, Carlos Flores-Garrigos, Narendra N. Hegade, Iraitz Montalban, Yolanda Vives-Gilabert, Eric Michon, Qi Zhang, Enrique Solano, José D. Martín-Guerrero,
• Abstract要約: 我々は、中性原子量子プロセッサにおけるネイティブIsing相互作用から生じる多部結合アナログブロックについて考察する。 ハードウェアの制約に応じて量子ビット接続を可変させることにより、複数の量子カーネルを適用する。 非トレーニング可能な量子カーネルと標準的な畳み込みニューラルネットワークを組み合わせたアーキテクチャは、現実的な医療画像の分類に使用される。
• 参考スコア（独自算出の注目度）: 3.7691369315275693
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose digital-analog quantum kernels for enhancing the detection of complex features in the classification of images. We consider multipartite-entangled analog blocks, stemming from native Ising interactions in neutral-atom quantum processors, and individual operations as digital steps to implement the protocol. To further improving the detection of complex features, we apply multiple quantum kernels by varying the qubit connectivity according to the hardware constraints. An architecture that combines non-trainable quantum kernels and standard convolutional neural networks is used to classify realistic medical images, from breast cancer and pneumonia diseases, with a significantly reduced number of parameters. Despite this fact, the model exhibits better performance than its classical counterparts and achieves comparable metrics according to public benchmarks. These findings demonstrate the relevance of digital-analog encoding, paving the way for surpassing classical models in image recognition approaching us to quantum-advantage regimes.
• Abstract（参考訳）: 本稿では,画像の分類における複雑な特徴の検出を向上させるために,ディジタルアナログ量子カーネルを提案する。 我々は、中性原子量子プロセッサにおけるネイティブIsing相互作用から派生した多部結合型アナログブロックと、プロトコルを実装するためのデジタルステップとしての個々の操作を考察する。 複雑な特徴の検出をさらに改善するため、ハードウェアの制約に応じて量子ビット接続を可変させることにより、複数の量子カーネルを適用する。 非トレーニング可能な量子カーネルと標準的な畳み込みニューラルネットワークを組み合わせたアーキテクチャは、乳がんや肺炎の病気など、現実的な医療画像の分類に使われ、パラメータの数は大幅に削減されている。 この事実にもかかわらず、このモデルは従来のモデルよりも優れたパフォーマンスを示し、公開ベンチマークによると同等のメトリクスを達成している。 これらの知見は、量子アドバンテージ体制に近づいた画像認識において、デジタルアナログ符号化が古典的モデルを上回る方法であることを示す。

関連論文リスト

• Quantum Sparse Coding and Decoding Based on Quantum Network [1.0683439960798695]
  スパース符号化と復号化アルゴリズムを実現するための対称量子ニューラルネットワークを提案する。 我々のネットワークは、光回路に自然に適合する多層2レベルユニタリ変換で構成されている。 我々は、古典的問題におけるバイナリとグレースケールの画像の疎符号化と復号化を実現し、量子問題における複雑な量子状態の復号化を実現した。
  論文  参考訳（メタデータ） (2024-06-10T04:21:27Z)
• 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)
• A Survey of Classical And Quantum Sequence Models [3.442372522693843]
  本稿では,古典的自己アテンションモデルとその量子モデルの比較分析を行う。 我々はこれらの既存手法の重要代表集合を再実装し、量子自己アテンションを用いた画像分類アプローチを適用して量子ハイブリッドトランスを作成する。 また、異なる符号化手法を探求し、位置符号化を量子自己認識ニューラルネットワークに導入することにより、テキストと画像の分類実験における精度の向上とより高速な収束を実現する。
  論文  参考訳（メタデータ） (2023-12-15T22:21:26Z)
• CoNeS: Conditional neural fields with shift modulation for multi-sequence MRI translation [5.662694302758443]
  マルチシーケンスMRI(Multi-sequence magnetic resonance imaging)は、現代の臨床研究とディープラーニング研究の両方に広く応用されている。 画像取得プロトコルの違いや、患者のコントラスト剤の禁忌が原因で、MRIの1つ以上の配列が欠落することがしばしば起こる。 1つの有望なアプローチは、生成モデルを利用して欠落したシーケンスを合成することであり、これはサロゲート獲得の役割を果たす。
  論文  参考訳（メタデータ） (2023-09-06T19:01:58Z)
• 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)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• RGB Image Classification with Quantum Convolutional Ansaetze [18.379304679643436]
  本稿では,RGB画像上の畳み込み操作をシミュレートする2種類の量子回路アンセッツェを提案する。 我々の知る限りでは、これはRGB画像を効果的に扱う量子畳み込み回路の最初の作品である。 また、量子回路アンサッツの大きさとハイブリッド量子古典畳み込みニューラルネットワークの学習性との関係についても検討する。
  論文  参考訳（メタデータ） (2021-07-23T09:38:59Z)
• 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)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。