論文の概要: Quantum Image Loading: Hierarchical Learning and Block-Amplitude Encoding
- arxiv url: http://arxiv.org/abs/2504.10592v1
- Date: Mon, 14 Apr 2025 18:00:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:09:25.991387
- Title: Quantum Image Loading: Hierarchical Learning and Block-Amplitude Encoding
- Title（参考訳）: 量子画像ローディング:階層学習とブロック振幅符号化
- Authors: Hrant Gharibyan, Hovnatan Karapetyan, Tigran Sedrakyan, Pero Subasic, Vincent P. Su, Rudy H. Tanin, Hayk Tepanyan,
- Abstract要約: 我々は階層的な学習フレームワークを拡張して、画像を量子状態にエンコードする。
MNISTデータセットの数字とHonda Scenesデータセットの道路シーンをロードしました。
我々は学習した回路をIBMとQuantinuumの両方のハードウェアに展開し、これらの負荷回路が既存のノイズレートに適合するほど浅くなっていることを発見した。
- 参考スコア（独自算出の注目度）: 0.5889536104474146
- License:
- Abstract: Given the excitement for the potential of quantum computing for machine learning methods, a natural subproblem is how to load classical data into a quantum state. Leveraging insights from [GST24] where certain qubits play an outsized role in the amplitude encoding, we extend the hierarchical learning framework to encode images into quantum states. We successfully load digits from the MNIST dataset as well as road scenes from the Honda Scenes dataset. Additionally, we consider the use of block amplitude encoding, where different parts of the image are encoded in a tensor product of smaller states. The simulations and overall orchestration of workflows was done on the BlueQubit platform. Finally, we deploy our learned circuits on both IBM and Quantinuum hardware and find that these loading circuits are sufficiently shallow to fit within existing noise rates.
- Abstract（参考訳）: 機械学習のための量子コンピューティングの可能性への興奮を考えると、自然なサブプロブレムは古典的なデータを量子状態にロードする方法である。
量子ビットが振幅符号化において大きめの役割を果たす[GST24]からの洞察を利用して、階層的な学習フレームワークを拡張して、画像を量子状態にエンコードする。
MNISTデータセットの数字とHonda Scenesデータセットの道路シーンをロードしました。
さらに、より小さな状態のテンソル積に画像の異なる部分を符号化するブロック振幅符号化についても検討する。
ワークフローのシミュレーションと全体的なオーケストレーションは、BlueQubitプラットフォーム上で実施された。
最後に、学習した回路をIBMとQuantinuumの両方のハードウェアに展開し、これらのローディング回路が既存のノイズレートに適合するほど浅くなっていることを発見した。
関連論文リスト
- Tensor Network Based Efficient Quantum Data Loading of Images [0.0]
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。
論文 参考訳（メタデータ） (2023-10-09T17:40:41Z) - Data is often loadable in short depth: Quantum circuits from tensor
networks for finance, images, fluids, and proteins [0.0]
本稿ではテンソルネットワーク(TN)理論に基づく回路コンパイル手法を提案する。
我々は,4つの異なる領域から得られた実世界の古典的データについて数値実験を行った。
これは、古典的なデータを量子コンピュータにロードする現在の最も広い数値解析である。
論文 参考訳（メタデータ） (2023-09-22T18:00:01Z) - 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) - 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) - 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) - Improved FRQI on superconducting processors and its restrictions in the
NISQ era [62.997667081978825]
量子画像のフレキシブル表現の実現可能性について検討する。
また、現在の雑音の中間スケール量子時代の限界を実験的に検証する。
FRQIに必要な回路を単純化する手法を提案する。
論文 参考訳（メタデータ） (2021-10-29T10:42:43Z) - Dense Coding with Locality Restriction for Decoder: Quantum Encoders vs.
Super-Quantum Encoders [67.12391801199688]
我々は、デコーダに様々な局所性制限を課すことにより、濃密な符号化について検討する。
このタスクでは、送信者アリスと受信機ボブが絡み合った状態を共有する。
論文 参考訳（メタデータ） (2021-09-26T07:29:54Z) - Supervised Learning Using a Dressed Quantum Network with "Super
Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation [7.599675376503671]
ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。
本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。
他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
論文 参考訳（メタデータ） (2020-07-20T16:29:32Z)
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。