論文の概要: Analog Quantum Image Representation with Qubit-Frugal Encoding

• arxiv url: http://arxiv.org/abs/2512.18451v1
• Date: Sat, 20 Dec 2025 17:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.342384
• Title: Analog Quantum Image Representation with Qubit-Frugal Encoding
• Title（参考訳）: Qubit-Frugalエンコーディングによるアナログ量子画像表現
• Authors: Vikrant Sharma, Neel Kanth Kundu,
• Abstract要約: 我々は、中性原子量子デバイスに適した量子画像表現のための根本的な新しいパラダイムを導入する。 提案手法は,まず,従来のエッジ抽出入力画像に地図一般化アルゴリズムを適用して,量子ビット効率のよい画像表現を構築する。 画像の構造的整合性を保証する一方で、このスパース表現はアキラの原子構成に埋め込まれる。
• 参考スコア（独自算出の注目度）: 4.372268810108838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we introduce a fundamentally new paradigm for quantum image representation tailored for neutral-atom quantum devices. The proposed method constructs a qubit-efficient image representation by first applying a cartographic generalization algorithm to a classical edge-extracted input image, yielding a highly optimized sparse-dot based geometric description. While ensuring the structural integrity of the image, this sparse representation is then embedded into the atomic configuration of Aquila (QuEra Computing Inc.), modeled through the Bloqade simulation software stack. By encoding visual information through physical atom placement rather than digital basis-state coding, the approach avoids the costly state-preparation overhead inherent to digital quantum image processing circuits. Additionally, pruning sparse dot images, akin to map feature reduction, compresses representations without fidelity loss, thereby substantially reducing qubit requirements when implemented on an analog neutral-atom quantum device. The resulting quantum-native images have been successfully evaluated through matching tasks against an image database, thus illustrating the feasibility of this approach for image matching applications. Since sparse-dot image representations enable seamless generation of synthetic datasets, this work constitutes an initial step towards fully quantum-native machine-learning pipelines for visual data and highlights the potential of scalable analog quantum computing to enable resource-efficient alternatives to energy-intensive classical AI-based image processing frameworks.
• Abstract（参考訳）: 本研究では、中性原子量子デバイスに適した量子画像表現のための基本的新しいパラダイムを導入する。 提案手法は,まず地図一般化アルゴリズムを古典的エッジ抽出入力画像に適用し,高度に最適化されたスパースドットに基づく幾何学的記述を生成することにより,量子効率のよい画像表現を構築する。 画像の構造的整合性を保証する一方で、このスパース表現はBloqadeシミュレーションソフトウェアスタックを通じてモデル化されたAquila(QuEra Computing Inc.)の原子構成に埋め込まれる。 ディジタル基底状態符号化よりも物理原子配置による視覚情報を符号化することにより、デジタル量子画像処理回路固有のコストの高い状態準備オーバーヘッドを回避することができる。 さらに、特徴量削減に類似したスパースドット画像のプルーニングは、忠実度損失のない表現を圧縮し、アナログ中性原子量子デバイスに実装する際の量子ビット要求を大幅に低減する。 得られた量子ネイティブ画像は、画像データベースとのマッチングタスクによって評価され、画像マッチングアプリケーションに対するこのアプローチの有効性が説明されている。 スパースドットの画像表現は、合成データセットのシームレスな生成を可能にするため、この作業は、ビジュアルデータのための完全に量子ネイティブな機械学習パイプラインに向けた最初のステップを構成し、スケーラブルなアナログ量子コンピューティングの可能性を強調し、エネルギー集約型古典的なAIベースの画像処理フレームワークに対するリソース効率の良い代替手段を可能にする。

関連論文リスト

• Image Denoising via Quantum Reservoir Computing [0.0]
  量子Reservoir Computing (QRC) は、情報処理に量子システムの自然力学を利用する。 画像復調のためのハイブリッド量子古典フレームワークにQRCを適用した。 以上の結果から,QRCに基づくアプローチは画像のシャープネスの向上と構造回復を達成できることが示唆された。
  論文  参考訳（メタデータ） (2025-12-21T06:12:57Z)
• HQViT: Hybrid Quantum Vision Transformer for Image Classification [48.72766405978677]
  本稿では,モデル性能を向上しつつ,モデルトレーニングを高速化するHybrid Quantum Vision Transformer(HQViT)を提案する。 HQViTは振幅エンコーディングによる全画像処理を導入し、位置エンコーディングを追加せずにグローバルな画像情報をよりよく保存する。 様々なコンピュータビジョンデータセットの実験により、HQViTは既存のモデルよりも優れており、最大10.9%(MNIST 10-classification task)の改善を実現している。
  論文  参考訳（メタデータ） (2025-04-03T16:13:34Z)
• 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 Optics based Algorithm for Measuring the Similarity between Images [1.7778609937758327]
  画像表現の基本的な量子資源としてコヒーレントな状態を用いる量子光学の定式化に基づくアルゴリズムを報告する。 得られた位相分散多モードコヒーレント状態は画像検索方式に入力され、類似度測定に適したレーザ強度パラメータを同定する。
  論文  参考訳（メタデータ） (2023-07-19T07:13:55Z)
• Block-wise quantum grayscale image representation and compression scheme using state connection [9.653976364051564]
  グレースケール画像の任意のサイズをマッピングするために、より少ないキュービットを使用する新しいSCMNEQRアプローチが提案されている。 実験結果から,提案手法の圧縮性能は既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-12-19T03:17:53Z)
• A compiler for universal photonic quantum computers [0.0]
  一方向コンピューティングでは、入力状態は初期積状態ではなく、いわゆるクラスタ状態である。 我々はQASM回路を測定グラフ(m-graph)と呼ばれるグラフ表現に変換するパイプラインを提案する。 実験的な離散可変フォトニックプラットフォーム上での実行を評価する前に、ZX-Calculusを用いてグラフを最適化する。
  論文  参考訳（メタデータ） (2022-10-17T16:47:45Z)
• Advance quantum image representation and compression using DCTEFRQI approach [0.5735035463793007]
  我々は,DCTEFRQI(Direct Cosine Transform Efficient Flexible Representation of Quantum Image)アルゴリズムを提案する。 本研究の目的は、DCT (Discrete Cosine Transform) と EFRQI (Efficient Flexible Representation of Quantum Image) を用いて、量子コンピュータで様々なグレーの画像サイズを表現・圧縮することである。
  論文  参考訳（メタデータ） (2022-08-30T13:54:09Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• 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)
• 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。