論文の概要: A brain-inspired paradigm for scalable quantum vision

• arxiv url: http://arxiv.org/abs/2509.05919v1
• Date: Sun, 07 Sep 2025 04:32:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.776279
• Title: A brain-inspired paradigm for scalable quantum vision
• Title（参考訳）: スケーラブル量子ビジョンのための脳にインスパイアされたパラダイム
• Authors: Chenghua Duan, Xiuxing Li, Wending Zhao, Lin Yao, Qing Li, Ziyu Li, Fukang Li, Junhao Ma, Xia Wu,
• Abstract要約: 我々は,従来のニューラルネットワークを利用してグローバルな低周波情報を解析する,画像認識のための新しいガイドパラダイムを提案する。 本稿では,BIQC(Brain-Inspired Quantum)アルゴリズムを提案する。 これは、次世代のビジュアルシステムを開発するための、脳にインスパイアされた、ハイブリッドな量子古典的アプローチの可能性を浮き彫りにする。
• 参考スコア（独自算出の注目度）: 15.541886740862402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the fundamental tasks in machine learning is image classification, which serves as a key benchmark for validating algorithm performance and practical potential. However, effectively processing high-dimensional, detail-rich images, a capability that is inherent in biological vision, remains a persistent challenge. Inspired by the human brain's efficient ``Forest Before Trees'' cognition, we propose a novel Guiding Paradigm for image recognition, leveraging classical neural networks to analyze global low-frequency information and guide targeted quantum circuit towards critical high-frequency image regions. We present the Brain-Inspired Quantum Classifier (BIQC), implementing this paradigm via a complementarity architecture where a quantum pathway analyzes the localized intricate details identified by the classical pathway. Numerical simulations on diverse datasets, including high-resolution images, show the BIQC's superior accuracy and scalability compared to existing methods. This highlights the promise of brain-inspired, hybrid quantum-classical approach for developing next-generation visual systems.
• Abstract（参考訳）: 機械学習の基本課題の1つは画像分類であり、これはアルゴリズムのパフォーマンスと実用的な可能性を検証するための重要なベンチマークとして機能する。 しかし、生物学的視覚に固有の能力である高次元のディテールリッチな画像を効果的に処理することは、依然として永続的な課題である。 人間の脳の「Forest Before Trees」認知に触発され,従来のニューラルネットワークを利用してグローバル低周波情報を解析し,ターゲットとする量子回路を臨界高周波領域へ誘導する,画像認識のための新しいガイドパラダイムを提案する。 本稿では、古典的経路によって特定される局所的な複雑な詳細を量子経路が解析する相補性アーキテクチャを用いて、このパラダイムを実装したBrain-Inspired Quantum Classifier(BIQC)を提案する。 高解像度画像を含む多様なデータセットの数値シミュレーションは、既存の手法と比較してBIQCの精度とスケーラビリティが優れていることを示している。 これは、次世代のビジュアルシステムを開発するための、脳にインスパイアされた、ハイブリッドな量子古典的アプローチの可能性を浮き彫りにする。

関連論文リスト

• Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
  大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。 人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。 本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
  論文  参考訳（メタデータ） (2025-09-05T08:41:24Z)
• Enhanced image classification via hybridizing quantum dynamics with classical neural networks [0.0]
  本稿では,古典的ニューラルネットワークと量子多体系の非平衡力学を組み合わせたハイブリッドプロトコルを提案する。 このアーキテクチャは、古典的なニューラルネットワークを活用して、高次元データを効率的に処理し、量子多体システム上で効果的にエンコードする。
  論文  参考訳（メタデータ） (2025-07-18T00:15:14Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [48.670876200492415]
  変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。 本稿では,量子混合状態の進化をモデルとしたQASアルゴリズムである$rho$DARTSを提案する。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• A Survey of Classical And Quantum Sequence Models [3.442372522693843]
  本稿では,古典的自己アテンションモデルとその量子モデルの比較分析を行う。 我々はこれらの既存手法の重要代表集合を再実装し、量子自己アテンションを用いた画像分類アプローチを適用して量子ハイブリッドトランスを作成する。 また、異なる符号化手法を探求し、位置符号化を量子自己認識ニューラルネットワークに導入することにより、テキストと画像の分類実験における精度の向上とより高速な収束を実現する。
  論文  参考訳（メタデータ） (2023-12-15T22:21:26Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• 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)
• Behind the Machine's Gaze: Biologically Constrained Neural Networks Exhibit Human-like Visual Attention [40.878963450471026]
  トップダウン方式でビジュアル・スキャンパスを生成するニューラル・ビジュアル・アテンション(NeVA)アルゴリズムを提案する。 提案手法は,人間の走査パスと類似性の観点から,最先端の非監視的注意モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-19T18:57:47Z)
• Quantum Face Recognition Protocol with Ghost Imaging [1.4856165761750735]
  量子主成分分析(QPCA)に基づくパターン認識のための量子機械学習アルゴリズムを提案する。 また,行列(画像)のトレースと計算の行列式に基づく顔の相似性を求める新しい量子アルゴリズムを提案する。 量子アルゴリズムと量子入力を備えた完全量子パターン認識システムでは、画像の取得と識別が大幅に改善される。
  論文  参考訳（メタデータ） (2021-10-19T16:31:46Z)
• Markovian Quantum Neuroevolution for Machine Learning [0.0]
  本稿では,機械学習タスクに最適な量子ニューラルネットワークを自律的に見つける量子神経進化アルゴリズムを提案する。 特に、量子回路と有向グラフの1対1マッピングを確立し、適切なゲート列を見つける問題を減らす。
  論文  参考訳（メタデータ） (2020-12-30T12:42:38Z)
• 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。