論文の概要: Towards a Utility-Scale Quantum Edge Detection for Real-World Medical Image Data
- arxiv url: http://arxiv.org/abs/2507.10939v1
- Date: Tue, 15 Jul 2025 03:03:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.964778
- Title: Towards a Utility-Scale Quantum Edge Detection for Real-World Medical Image Data
- Title（参考訳）: 実世界の医用画像データに対する実用規模量子エッジ検出に向けて
- Authors: Emmanuel Billias, Nikos Chrisochoides,
- Abstract要約: 量子アダマールエッジ検出(QHED)の品質と性能を向上させるための2段階分解戦略を提案する。
データレベル分解(Data-Level Decomposition)は、入力画像をP強調サブイメージに分割し、それぞれが別々の量子回路に符号化される。
回路レベル分解(Circuit-Level Decomposition)は、これらの回路を、短期量子デバイス上での実行に適したQ小さなサブ回路に分割するために用いられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present a two-level decomposition strategy to enhance the quality and performance of Quantum Hadamard Edge Detection (QHED) for practical image analysis on Noisy Intermediate-Scale Quantum (NISQ) devices. A Data-Level Decomposition partitions an input image into P augmented sub-images, each encoded into a separate quantum circuit. Each of these circuits is then further cut via Circuit-Level Decomposition into Q smaller sub-circuits suitable for execution on near-term quantum devices. The two-level P $\times$ Q decomposition, along with optimizations we introduced, achieves over 62\% reductions in circuit depth and approximately 93\% fewer two-qubit operations, while maintaining a fidelity exceeding 95.6\% under realistic IBM noise models for 5-qubit data input sizes. These results demonstrate the feasibility of performing high-fidelity QHED on NISQ hardware and provide lessons and early evidence of distributed utility scale quantum computing, further illustrated by processing raw k-space MRI data with an Inverse Quantum Fourier Transform and a distributed simulation of the modified QHED on large 2D and 3D MRI datasets.
- Abstract（参考訳）: ノイズ中間量子(NISQ)デバイス上での実用的な画像解析のための量子アダマールエッジ検出(QHED)の品質と性能を向上させるための2段階分解戦略を提案する。
データレベル分解(Data-Level Decomposition)は、入力画像をP強調サブイメージに分割し、それぞれが別々の量子回路に符号化される。
これらの回路はさらに回路レベル分解によりQの小さなサブ回路に切断され、短期量子デバイス上での実行に適している。
2レベルP$\times$Q分解は、我々が導入した最適化とともに、回路深度62\%以上を削減し、2キュービット演算を約93\%削減する一方で、5キュービットデータ入力サイズの現実的なIBMノイズモデルでは95.6\%を超える忠実さを維持している。
これらの結果は、NISQハードウェア上で高忠実性QHEDを実現する可能性を示し、また、逆量子フーリエ変換を用いて生のk空間MRIデータを処理し、大きな2次元および3次元MRIデータセット上で修正されたQHEDを分散シミュレーションすることにより、分散ユーティリティスケールの量子コンピューティングの教訓と早期証拠を提供する。
関連論文リスト
- Supervised Quantum Image Processing [1.0499611180329806]
量子画像処理 (QIP) は、量子情報科学と画像処理の間の分野である。
4つの異なる量子画像表現(QImR)の圧縮特性を比較し,検討する。
以上の結果から,量子カーネルの分類平均精度は同等だが,画像記憶に要するリソースは指数的に少ないことが示唆された。
論文 参考訳（メタデータ） (2025-07-29T17:40:59Z) - Solving Large-Scale Vehicle Routing Problems with Hybrid Quantum-Classical Decomposition [0.0]
車両ルーティング問題(VRP)を解決するための2段階分解戦略を提案する。
問題レベル分解は13ノード(156キュービット)のVRPを小さなトラベリングセールスマン問題(TSP)インスタンスに分割する。
提案手法は,回路深さの最大95%の低減,キュービット数の96%の削減,および2キュービットゲート数の99.5%の削減を実現している。
論文 参考訳（メタデータ） (2025-07-07T18:02:13Z) - A Quantum Range-Doppler Algorithm for Synthetic Aperture Radar Image Formation [48.123217909844946]
一般参照関数は、多くのSAR集中アルゴリズムにおいて重要な要素であり、量子ゲートにどのようにマッピングできるかを示す。
量子レンジ・ドップラーアルゴリズムのコアは計算複雑性が$O(N)$であり、従来のものより小さいことが分かる。
論文 参考訳（メタデータ） (2025-04-29T14:24:23Z) - Novel quantum circuit for image compression utilizing modified Toffoli gate and quantized transformed coefficient alongside a novel reset gate [8.402306681413087]
量子化変換係数を用いたトフォリゲート状態接続を導入する。
この革新的な戦略は、状態接続情報から状態接続を変更することで、回路の複雑さを簡素化する。
既存の技術よりも44.1%少ないゲートを必要とすることが判明した。
論文 参考訳（メタデータ） (2025-02-25T03:41:28Z) - Enhanced feature encoding and classification on distributed quantum hardware [0.0]
量子支援ベクトルマシン(QSVM)のための新しい特徴マップ最適化手法を提案する。
ノイズの多い量子デバイスにおいて重要な要素である、キュービット接続、ネイティブゲートセット、回路深さなど、バックエンド固有のパラメータを考慮に入れます。
この研究は、各量子処理ユニット(QPU)を同じトポロジを持つ複数のサブユニットに分割して、個別のQSVMインスタンスを実装した。
論文 参考訳（メタデータ） (2024-12-02T16:14:37Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。
低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。
本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
論文 参考訳（メタデータ） (2024-06-10T06:06:11Z) - Quantum Resonant Dimensionality Reduction and Its Application in Quantum Machine Learning [2.7119354495508787]
本稿では,入力データの次元を低減するために,量子共振器遷移に基づくQRDRアルゴリズムを提案する。
QRDR後、入力データの寸法$N$を所望のスケール$R$に減らし、元のデータの有効情報を保存する。
我々のアルゴリズムは様々な計算分野に応用できる可能性がある。
論文 参考訳（メタデータ） (2024-05-21T09:26:18Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Efficient MILP Decomposition in Quantum Computing for ReLU Network
Robustness [2.854196251981274]
本研究では,MILP(Mixed-Integer Linear Programming)の2つの分解法について検討した。
我々は、元の問題をより小さなサブプロブレムに分割することに集中し、量子古典的ハードウェアのアプローチを組み合わせて反復的に解決する。
実験の結果,従来の量子アニール法やゲートベース量子コンピュータと比較して最大90%の量子ビットを削減できることがわかった。
論文 参考訳（メタデータ） (2023-04-30T13:10:56Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳（メタデータ） (2021-06-27T06:27:22Z) - Improving the Performance of Deep Quantum Optimization Algorithms with
Continuous Gate Sets [47.00474212574662]
変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。
本稿では,QAOAの回路深度依存性能について実験的に検討する。
この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
論文 参考訳（メタデータ） (2020-05-11T17:20:51Z)
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。