論文の概要: Quantum Annealing Feature Selection on Light-weight Medical Image Datasets

• arxiv url: http://arxiv.org/abs/2502.19201v1
• Date: Wed, 26 Feb 2025 15:09:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:58:37.207313
• Title: Quantum Annealing Feature Selection on Light-weight Medical Image Datasets
• Title（参考訳）: 軽量医用画像データセットにおける量子アニーリング特性の選択
• Authors: Merlin A. Nau, Luca A. Nutricati, Bruno Camino, Paul A. Warburton, Andreas K. Maier,
• Abstract要約: 軽度医用画像データセットの特徴選択という,計算集約的な課題に取り組むために,実際の量子ハードウェアにおける量子コンピューティングアルゴリズムの利用について検討する。 本稿では,市販の量子アニールよりも大きな特徴選択を解く方法を提案する。 本手法は,小型の医用画像の再構成に用いる画素マスクを特徴選択によって識別する玩具問題において試験される。
• 参考スコア（独自算出の注目度）: 8.813070033148023
• License:
• Abstract: We investigate the use of quantum computing algorithms on real quantum hardware to tackle the computationally intensive task of feature selection for light-weight medical image datasets. Feature selection is often formulated as a k of n selection problem, where the complexity grows binomially with increasing k and n. As problem sizes grow, classical approaches struggle to scale efficiently. Quantum computers, particularly quantum annealers, are well-suited for such problems, offering potential advantages in specific formulations. We present a method to solve larger feature selection instances than previously presented on commercial quantum annealers. Our approach combines a linear Ising penalty mechanism with subsampling and thresholding techniques to enhance scalability. The method is tested in a toy problem where feature selection identifies pixel masks used to reconstruct small-scale medical images. The results indicate that quantum annealing-based feature selection is effective for this simplified use case, demonstrating its potential in high-dimensional optimization tasks. However, its applicability to broader, real-world problems remains uncertain, given the current limitations of quantum computing hardware.
• Abstract（参考訳）: 軽度医用画像データセットの特徴選択という,計算集約的な課題に取り組むために,実際の量子ハードウェアにおける量子コンピューティングアルゴリズムの利用について検討する。 特徴選択はしばしば n の選択問題の k として定式化され、k と n が増加するにつれて複雑性が二項的に増加する。 問題のサイズが大きくなるにつれて、古典的なアプローチは効率的にスケールするのに苦労する。 量子コンピュータ、特に量子アニールはそのような問題に適しており、特定の定式化において潜在的に有利である。 本稿では,市販の量子アニールよりも大きな特徴選択を解く方法を提案する。 提案手法では,線形イジングペナルティ機構とサブサンプリングとしきい値処理を併用してスケーラビリティを向上させる。 本手法は,小型の医用画像の再構成に用いる画素マスクを特徴選択によって識別する玩具問題において試験される。 その結果、量子アニールによる特徴選択は、高次元最適化タスクにおけるその可能性を示す、この単純化されたユースケースに有効であることが示唆された。 しかし、量子コンピューティングハードウェアの現在の限界を考えると、より広範で現実的な問題への適用性は依然として不明である。

関連論文リスト

• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• 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)
• Efficient algorithms for quantum information bottleneck [64.67104066707309]
  本稿では,情報ボトルネックの量子一般化のための新しい一般アルゴリズムを提案する。 本アルゴリズムは, 先行結果と比較して, 収束の速度と定性に優れる。 特に、量子システムは、量子情報のボトルネックに関して、同じ大きさの古典的なシステムよりも厳格に優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T14:20:05Z)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• Towards Feature Selection for Ranking and Classification Exploiting Quantum Annealers [14.519254230787993]
  本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の両面での2次特徴選択アルゴリズムの実現可能性について検討する。 量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。
  論文  参考訳（メタデータ） (2022-05-09T14:46:38Z)
• 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)
• Feature Selection for Recommender Systems with Quantum Computing [7.8851236034886645]
  小型だが機能的な量子コンピュータは、より広い研究コミュニティで利用できるようになった。 この数学的定式化に最も自然に適合するタスクの1つは特徴選択である。 特徴選択を最適化問題として表現し、D-Waveが提供する実量子コンピュータ上で解く。
  論文  参考訳（メタデータ） (2021-10-11T08:52:50Z)
• 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)
• Resource-efficient encoding algorithm for variational bosonic quantum simulations [0.0]
  量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。 ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-23T19:00:05Z)
• Optimizing the Optimizer: Decomposition Techniques for Quantum Annealing [0.0]
  現在の世代の量子コンピュータは、現実世界の問題を解決するには小さすぎる。 本研究では,ベンチマーク問題に対する多種多様なアプローチについて検討する。 その結果,解法の性能は問題グラフの構造に大きく依存していることが示唆された。
  論文  参考訳（メタデータ） (2020-01-16T21:35:16Z)

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。