論文の概要: End-to-End Demonstration of Quantum Generative Adversarial Networks for Steel Microstructure Image Augmentation on a Trapped-Ion Quantum Computer

• arxiv url: http://arxiv.org/abs/2504.08728v1
• Date: Fri, 11 Apr 2025 17:55:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:18:21.071775
• Title: End-to-End Demonstration of Quantum Generative Adversarial Networks for Steel Microstructure Image Augmentation on a Trapped-Ion Quantum Computer
• Title（参考訳）: トラッピングIon量子コンピュータ上での鋼組織画像増大のための量子生成逆数ネットワークのエンド・ツー・エンドデモ
• Authors: Samwel Sekwao, Jason Iaconis, Claudio Girotto, Martin Roetteler, Minwoo Kang, Donghwi Kim, Seunghyo Noh, Woomin Kyoung, Kyujin Shin,
• Abstract要約: GAN(Generative Adversarial Network)は、高品質な合成画像を生成する機械学習技術である。 我々は、GANと量子コンピューティングを統合し、鋼の2つの異なる微細構造相の複雑な5チャネル電子後方散乱(EBSD)像を生成する。 ハイブリッド量子古典 WGAN は古典的ベルヌーイ GAN よりも70% のサンプルで改善されている。
• 参考スコア（独自算出の注目度）: 1.6459866832540102
• License:
• Abstract: Generative adversarial networks (GANs) are a machine learning technique capable of producing high-quality synthetic images. In the field of materials science, when a crystallographic dataset includes inadequate or difficult-to-obtain images, synthetic images can be used for image augmentation to mitigate data scarcity and streamline the preparation of datasets for high-throughput analysis. We integrate quantum computing with GANs into a hybrid quantum-classical GAN to generate complex 5-channel electron backscatter diffraction (EBSD) images of two distinct microstructure phases of steel. By training a quantum circuit at the input layer of a large classical Wasserstein GAN (WGAN) model, we mitigate mode collapse and achieve higher image quality compared to a baseline classical GAN. We generate images from both ferrite and bainite microstructure phases in an end-to-end workflow. With respect to maximum mean discrepancy score, we find that the hybrid quantum-classical WGAN improves over classical Bernoulli GANs in 70% of samples. As the quantum computer is part of the training procedure, our method has potential to scale to larger number of qubits. Our results indicate that the WGAN model based on the quantum circuit ansatz may be effectively leveraged to enhance the quality of synthetic EBSD images on both quantum simulators and actual quantum hardware.
• Abstract（参考訳）: GAN(Generative Adversarial Network)は、高品質な合成画像を生成する機械学習技術である。 材料科学の分野では、結晶学データセットが不十分または不適切な画像を含む場合、データの不足を軽減し、高スループット解析のためのデータセットの作成を合理化するために、画像増強に合成画像を使用することができる。 我々は、GANをハイブリッド量子古典的GANに統合し、鋼の2つの異なる微細構造相の複雑な5チャネル電子後方散乱(EBSD)像を生成する。 大規模な古典的ワッサースタインGAN(WGAN)モデルの入力層で量子回路をトレーニングすることにより、モード崩壊を緩和し、ベースラインの古典的GANよりも高い画質を実現する。 エンド・ツー・エンドのワークフローでフェライトおよびベイナイトの微細構造相から画像を生成する。 平均誤差スコアの最大値については、量子古典的なWGANが古典的ベルヌーイGANよりも70%向上していることが分かる。 量子コンピュータはトレーニング手順の一部であるので、我々の手法はより多くの量子ビットにスケールできる可能性がある。 以上の結果から,量子回路アンサッツに基づくWGANモデルは,量子シミュレータおよび実際の量子ハードウェア上での合成EBSD画像の品質向上に有効である可能性が示唆された。

関連論文リスト

• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
  パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。 我々は画像生成問題でモデルを検証した。 量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
  論文  参考訳（メタデータ） (2024-05-22T16:37:22Z)
• Quantum Generative Adversarial Networks in a Silicon Photonic Chip with Maximum Expressibility [13.20564873203203]
  GAN(Generative Adversarial Network)は、現実的な画像やテキスト、オーディオなどの現実的なタスクで大きな成功を収めている。 量子GANは、量子回路の表現性が強いため、古典的よりも指数関数的に有利であると考えられている。 本研究では、任意の制御単位(CU)演算を実行し、任意の2量子ビット純状態を生成することができる2量子シリコン量子フォトニックチップを作成する。
  論文  参考訳（メタデータ） (2024-04-09T00:54:11Z)
• 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)
• Variational Quantum Circuits Enhanced Generative Adversarial Network [5.209320054725053]
  我々は、GAN(QC-GAN)を改善するためのハイブリッド量子古典アーキテクチャを提案する。 QC-GANは1層ニューラルネットワークと共に量子変動回路で構成され、識別器は従来のニューラルネットワークで構成されている。 また、QC-GANが16ドル以上の画像を生成することのできない代替量子GAN、すなわちpathGANよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-02-02T03:59:35Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• 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。