論文の概要: Tensor network methods for quantum-inspired image processing and classical optics

• arxiv url: http://arxiv.org/abs/2510.23089v1
• Date: Mon, 27 Oct 2025 07:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.594022
• Title: Tensor network methods for quantum-inspired image processing and classical optics
• Title（参考訳）: 量子インスパイアされた画像処理と古典光学のためのテンソルネットワーク法
• Authors: Nicolas Allegra,
• Abstract要約: 画像処理と古典光学の基本的な問題にこれらの手法を適用することに注力する。 これらの量子にインスパイアされた手法は、天文学や地球観測から顕微鏡や古典的イメージングまで、より高速なアルゴリズムをもたらすことが期待されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensor network methods strike a middle ground between fully-fledged quantum computing and classical computing, as they take inspiration from quantum systems to significantly speed up certain classical operations. Their strength lies in their compressive power and the wide variety of efficient algorithms that operate within this compressed space. In this work, we focus on applying these methods to fundamental problems in image processing and classical optics such as wave-front propagation and optical image formation, by using directly or indirectly parallels with quantum mechanics and computation. These quantum-inspired methods are expected to yield faster algorithms with applications ranging from astronomy and earth observation to microscopy and classical imaging more broadly.
• Abstract（参考訳）: テンソルネットワーク法は、量子システムからインスピレーションを得て、量子コンピューティングと古典コンピューティングの中間に位置する。 彼らの強みは圧縮力と、圧縮空間内で動く様々な効率的なアルゴリズムにある。 本研究では,これらの手法を,直接的あるいは間接的に並列に量子力学や計算を用いて,波面伝播や光画像形成などの画像処理および古典光学の基本的問題に適用することに注力する。 これらの量子にインスパイアされた手法は、天文学や地球観測から顕微鏡や古典的イメージングまで幅広い応用でより高速なアルゴリズムが得られることが期待されている。

関連論文リスト

• Streamlined optical training of large-scale modern deep learning architectures with direct feedback alignment [48.90869997343841]
  我々は,ハイブリッド電子フォトニックプラットフォーム上で,ダイレクトフィードバックアライメントと呼ばれる多目的でスケーラブルなトレーニングアルゴリズムを実験的に実装した。 光処理ユニットは、30ワット以下の1500テラオプスで大規模なランダム行列乗算を行う。 トレーニング時間のスケーリングについて検討し、超深度・広帯域ニューラルネットワークに対するハイブリッド光電子アプローチの潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2024-09-01T12:48:47Z)
• Demonstration of Hardware Efficient Photonic Variational Quantum Algorithm [2.4630731476141365]
  本稿では,1光子と線形光ネットワークが変分量子アルゴリズムの実装に十分であることを示す。 因子化タスクのインスタンスに取り組むための変分的アプローチの実証実験によってこれを実証する。
  論文  参考訳（メタデータ） (2024-08-19T18:26:57Z)
• Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
  本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。 弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
  論文  参考訳（メタデータ） (2024-07-04T06:37:16Z)
• Demonstration of quantum projective simulation on a single-photon-based quantum computer [0.0]
  変分量子アルゴリズムは、ノイズの多い中間スケールの量子デバイスで効果的に動作する可能性を示している。 本稿では,このアルゴリズムをQuandelaの単一光子ベースの量子コンピュータAscellaに実装する。
  論文  参考訳（メタデータ） (2024-04-19T09:17:15Z)
• 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)
• 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)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Towards Bundle Adjustment for Satellite Imaging via Quantum Machine Learning [2.660348668799655]
  キーポイント抽出と特徴マッチングのための量子法に着目する。 これらの手法が量子アニールやゲートベースの量子コンピュータのためにどのように再計算されるかを説明する。
  論文  参考訳（メタデータ） (2022-04-23T19:33:14Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)

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。