論文の概要: Quantum Image Classification: Experiments on Utility-Scale Quantum Computers
- arxiv url: http://arxiv.org/abs/2504.10595v1
- Date: Mon, 14 Apr 2025 18:00:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:09:25.594491
- Title: Quantum Image Classification: Experiments on Utility-Scale Quantum Computers
- Title（参考訳）: 量子画像分類:実用規模の量子コンピュータの実験
- Authors: Hrant Gharibyan, Hovnatan Karapetyan, Tigran Sedrakyan, Pero Subasic, Vincent P. Su, Rudy H. Tanin, Hayk Tepanyan,
- Abstract要約: 我々は、72量子ビットと数千の2量子ビットゲートを利用して、QuantinuumのH-2およびIBMのHeronチップ上で画像分類を行う。
データローディングでは,200万画素までの商用画像に対して,階層学習を近似振幅符号化とブロック振幅符号化のタスクに拡張する。
- 参考スコア（独自算出の注目度）: 0.5889536104474146
- License:
- Abstract: We perform image classification on the Honda Scenes Dataset on Quantinuum's H-2 and IBM's Heron chips utilizing up to 72 qubits and thousands of two-qubit gates. For data loading, we extend the hierarchical learning to the task of approximate amplitude encoding and block amplitude encoding for commercially relevant images up to 2 million pixels. Hierarchical learning enables the training of variational circuits with shallow enough resources to fit within the classification pipeline. For comparison, we also study how classifier performance is affected by using piecewise angle encoding. At the end of the VQC, we employ a fully-connected layer between measured qubits and the output classes. Some deployed models are able to achieve above 90\% accuracy even on test images. In comparing with classical models, we find we are able to achieve close to state of the art accuracy with relatively few parameters. These results constitute the largest quantum experiment for image classification to date.
- Abstract（参考訳）: 我々は,最大72キュービットと数千の2キュービットゲートを利用して,QuantinuumのH-2およびIBMのHeronチップ上のHonda Scenesデータセットの画像分類を行う。
データローディングでは,200万画素までの商用画像に対して,階層学習を近似振幅符号化とブロック振幅符号化のタスクに拡張する。
階層的学習は、分類パイプラインに適合する十分なリソースの浅い変分回路のトレーニングを可能にする。
また,一方向角符号化による分類器の性能への影響についても検討した。
VQCの最後には、測定されたキュービットと出力クラスの間に完全に接続された層を用いる。
デプロイされたモデルの中には、テストイメージ上でも90%以上の精度を達成することができるものもある。
古典モデルと比較すると、比較的少ないパラメータで最先端の精度を達成できることが分かる。
これらの結果は、これまでで最大の画像分類実験である。
関連論文リスト
- Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - 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) - Cascaded Cross-Attention Networks for Data-Efficient Whole-Slide Image
Classification Using Transformers [0.11219061154635457]
全スライディングイメージングは、組織標本の高解像度画像のキャプチャとデジタル化を可能にする。
高解像度情報を効果的に活用するための候補としてトランスフォーマーアーキテクチャが提案されている。
本稿では,抽出されたパッチ数と線形にスケールするクロスアテンション機構に基づく新しいカスケード型クロスアテンションネットワーク(CCAN)を提案する。
論文 参考訳（メタデータ） (2023-05-11T16:42:24Z) - 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) - On Classifying Images using Quantum Image Representation [20.264388610321056]
我々は、異なる量子画像表現法を検討し、画像を量子状態にエンコードし、次いで、量子機械学習パイプラインを使用して画像を分類する。
2つの異なる分類器を用いて、グレースケールとカラー画像のベンチマークデータセットの分類を行う。
論文 参考訳（メタデータ） (2022-06-23T07:35:09Z) - 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) - Variable-Rate Deep Image Compression through Spatially-Adaptive Feature
Transform [58.60004238261117]
空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。
本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。
提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
論文 参考訳（メタデータ） (2021-08-21T17:30:06Z) - Scalable Visual Transformers with Hierarchical Pooling [61.05787583247392]
本稿では,視覚的トークンを徐々にプールしてシーケンス長を縮小する階層的ビジュアルトランスフォーマ(hvt)を提案する。
計算の複雑さを増すことなく、深さ/幅/解像度/パッチサイズの寸法をスケールすることで、大きなメリットをもたらします。
当社のHVTはImageNetとCIFAR-100データセットの競合ベースラインを上回っています。
論文 参考訳（メタデータ） (2021-03-19T03:55:58Z)
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。