論文の概要: Enhanced Image Recognition Using Gaussian Boson Sampling

• arxiv url: http://arxiv.org/abs/2506.19707v1
• Date: Tue, 24 Jun 2025 15:14:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.697494
• Title: Enhanced Image Recognition Using Gaussian Boson Sampling
• Title（参考訳）: ガウスボソンサンプリングを用いた画像認識
• Authors: Si-Qiu Gong, Ming-Cheng Chen, Hua-Liang Liu, Hao Su, Yi-Chao Gu, Hao-Yang Tang, Meng-Hao Jia, Yu-Hao Deng, Qian Wei, Hui Wang, Han-Sen Zhong, Xiao Jiang, Li Li, Nai-Le Liu, Chao-Yang Lu, Jian-Wei Pan,
• Abstract要約: 極端学習機械(ELM)にインスパイアされたGBSに基づく新しい画像認識方式を提案する。 本稿では,MNIST と Fashion-MNIST の画像を分類し,MNIST では 95.86% ,Fashion-MNIST では 85.95% の精度で画像の分類を行う。 この研究は、現実世界の機械学習アプリケーションにおけるGBSの可能性を実証するだけでなく、GBS技術を利用した強力な機械学習スキームのさらなる進歩を促すことを目的としている。
• 参考スコア（独自算出の注目度）: 16.71698724127418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gaussian boson sampling (GBS) has emerged as a promising quantum computing paradigm, demonstrating its potential in various applications. However, most existing works focus on theoretical aspects or simple tasks, with limited exploration of its capabilities in solving real-world practical problems. In this work, we propose a novel GBS-based image recognition scheme inspired by extreme learning machine (ELM) to enhance the performance of perceptron and implement it using our latest GBS device, Jiuzhang. Our approach utilizes an 8176-mode temporal-spatial hybrid encoding photonic processor, achieving approximately 2200 average photon clicks in the quantum computational advantage regime. We apply this scheme to classify images from the MNIST and Fashion-MNIST datasets, achieving a testing accuracy of 95.86% on MNIST and 85.95% on Fashion-MNIST. These results surpass those of classical method SVC with linear kernel and previous physical ELM-based experiments. Additionally, we explore the influence of three hyperparameters and the efficiency of GBS in our experiments. This work not only demonstrates the potential of GBS in real-world machine learning applications but also aims to inspire further advancements in powerful machine learning schemes utilizing GBS technology.
• Abstract（参考訳）: ガウスボソンサンプリング(GBS)は有望な量子コンピューティングパラダイムとして登場し、様々な応用においてその可能性を実証している。 しかし、既存のほとんどの研究は理論的な側面や単純なタスクに重点を置いており、現実の実践的な問題を解く能力は限られている。 本研究では,極端学習機械(ELM)にインスパイアされた新しいGBSベースの画像認識方式を提案し,その性能を向上し,最新のGBSデバイスである Jiuzhang を用いて実装する。 提案手法では,8176モードの時間空間ハイブリッド符号化フォトニックプロセッサを用いて,量子計算の優位性において平均2200個の光子クリックを実現する。 本稿では,MNIST と Fashion-MNIST のデータセットから,MNIST で95.86%,Fashion-MNIST で85.95% の精度で画像の分類を行う。 これらの結果は、線形カーネルを持つ古典的手法SVCや、以前の物理EMMに基づく実験よりも優れている。 さらに,実験における3つのハイパーパラメータの影響とGBSの効率について検討した。 この研究は、現実世界の機械学習アプリケーションにおけるGBSの可能性を実証するだけでなく、GBS技術を利用した強力な機械学習スキームのさらなる進歩を促すことを目的としている。

関連論文リスト

• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Simulating Gaussian boson sampling quantum computers [68.8204255655161]
  実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。 主に、量子力学の位相空間表現を使用する手法に焦点を当てる。 GBSの理論、最近の実験、その他の手法についても概説する。
  論文  参考訳（メタデータ） (2023-08-02T02:03:31Z)
• 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)
• Solving Graph Problems Using Gaussian Boson Sampling [22.516585968074146]
  ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。 我々は,大きな光子クリック数を持つGBS増幅の存在と,特定の雑音下での強化を実験的に観察した。 我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
  論文  参考訳（メタデータ） (2023-02-02T08:25:47Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• The Boundary for Quantum Advantage in Gaussian Boson Sampling [44.62475518267084]
  最先端の量子フォトニクス実験では、既存の古典的アルゴリズムをシミュレートするのに6億年を要します。 本稿では,高速かつ高精度なGBSシミュレーション手法を提案する。 これにより、最先端のGBS実験をシミュレーションする実行時間を数ヶ月に短縮する。
  論文  参考訳（メタデータ） (2021-08-03T16:49:40Z)
• Phase-Programmable Gaussian Boson Sampling Using Stimulated Squeezed Light [32.20791352792308]
  144モードフォトニック回路から最大113個の検出イベントを生成するGBS実験を報告した。 我々は、新しい高輝度でスケーラブルな量子光源を開発し、励起された励起光子のアイデアを探求する。 フォトニック量子コンピュータのJiuzhang 2.0は、ヒルベルト空間の次元を最大1043ドル、サンプリングレートをブルートフォースシミュレーションよりも1024ドル速くする。
  論文  参考訳（メタデータ） (2021-06-29T16:11:29Z)
• 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)

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。