1QC Ware, Palo Alto, 미국 및 파리, 프랑스
2IRIF, CNRS - 프랑스 파리 대학교
3인도 기술 연구소 Roorkee, 인도
4F. 호프만 라로슈 AG
이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.
추상
양자 기계 학습 기술은 기계 학습 응용 프로그램에서 잠재적으로 성능을 향상시키는 방법으로 제안되었습니다.
이 논문에서는 신경망을 위한 두 가지 새로운 양자 방법을 소개합니다. 첫 번째는 직교 행렬 곱셈을 구현하기 위한 빌딩 블록으로 양자 피라미드 회로를 기반으로 하는 양자 직교 신경망입니다. 우리는 이러한 직교 신경망을 훈련하는 효율적인 방법을 제공합니다. 새로운 알고리즘은 클래식 하드웨어와 양자 하드웨어 모두에 대해 자세히 설명되어 있으며, 둘 다 이전에 알려진 훈련 알고리즘보다 점근적으로 더 잘 확장되는 것으로 입증되었습니다.
두 번째 방법은 양자 지원 신경망으로, 양자 컴퓨터를 사용하여 고전 신경망의 추론 및 훈련을 위한 내적 추정을 수행합니다.
그런 다음 실제 양자 하드웨어와 시뮬레이터 모두에서 다양한 양자 방법을 고전 방법과 비교하는 최신 양자 하드웨어를 사용하여 의료 이미지 분류 작업에 적용되는 광범위한 실험을 제시합니다. 우리의 결과는 양자 및 기존 신경망이 비슷한 수준의 정확도를 생성하여 더 나은 양자 하드웨어의 출현을 고려할 때 양자 방법이 시각적 작업을 해결하는 데 유용할 수 있다는 약속을 뒷받침합니다.
► BibTeX 데이터
► 참고 문헌
[1] Aram W Harrow, Avinatan Hassidim 및 Seth Lloyd. "선형 방정식 시스템을 위한 양자 알고리즘". 물리적 검토 편지 103, 150502(2009).
https : / /doi.org/10.1103/ PhysRevLett.103.150502
[2] 세스 로이드, 마수드 모세니, 패트릭 레벤트로스트. "지도 및 비지도 기계 학습을 위한 양자 알고리즘"(2013).
[3] 세스 로이드, 마수드 모세니, 패트릭 레벤트로스트. "양자 주성분 분석". 자연 물리학 10, 631–633 (2014).
https : / /doi.org/ 10.1038 / nphys3029
[4] Iordanis Kerenidis와 Anupam Prakash. "양자 추천 시스템". 8th Innovations in Theoretical Computer Science Conference (ITCS 2017) 67, 49:1–49:21 (2017). URL: doi.org/10.48550/arXiv.1603.08675.
https:///doi.org/10.48550/arXiv.1603.08675
[5] Iordanis Kerenidis, Jonas Landman, Alessandro Luongo, Anupam Prakash. "q-평균: 감독되지 않은 기계 학습을 위한 양자 알고리즘". 신경 정보 처리 시스템의 발전 32. 페이지 4136–4146. Curran Associates, Inc.(2019). URL:.
arXiv : 1812.03584
[6] 세스 로이드, 실바노 가네로네, 파올로 자나르디. "데이터의 위상 및 기하학적 분석을 위한 양자 알고리즘". 네이처 커뮤니케이션 7, 1–7(2016). URL: doi.org/ 10.1038/ ncomms10138.
https : / /doi.org/ 10.1038 / ncomms10138
[7] 에드워드 파리와 하르트무트 네벤. "단기 프로세서에서 양자 신경망을 사용한 분류"(2018). URL: doi.org/ 10.48550/ arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
[8] I Kerenidis, J Landman 및 A Prakash. "심층 컨벌루션 신경망을 위한 양자 알고리즘". 학습 표현 ICLR에 관한 여덟 번째 국제 회의(2019).
https:///doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis 및 S Zhang. "피드포워드 신경망을 위한 양자 알고리즘". 양자 컴퓨팅에 대한 ACM 트랜잭션 1 (1), 1-24(2020).
https : / /doi.org/ 10.1145 / 3411466
[10] Iris Cong, 최순원, Mikhail D. Lukin. "양자 컨벌루션 신경망". 자연 물리학 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Hector Ivan Garcıa-Hernandez, Raymundo Torres-Ruiz, Guo-Hua Sun. "양자 기계 학습을 통한 이미지 분류"(2020). URL: doi.org/10.48550/arXiv.2011.02831.
https:///doi.org/10.48550/arXiv.2011.02831
[12] Saurabh Kumar, Siddharth Dangwal 및 Debanjan Bhowmik. ""슈퍼 압축 인코딩"을 사용한 드레싱 양자 네트워크를 사용한 지도 학습: 알고리즘 및 양자 하드웨어 기반 구현"(2020). URL: doi.org/10.48550/arXiv.2007.10242.
https:///doi.org/10.48550/arXiv.2007.10242
[13] 나카지 코우헤이, 야마모토 나오키 "향상된 데이터 분류를 위한 양자 준감독 생성 적대 네트워크"(2020). URL: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] 윌리엄 카펠레티, 레베카 에르바니, 호아킨 켈러. "Polyadic 양자 분류기"(2020). URL: doi.org/10.48550/arXiv.2007.14044.
https:///doi.org/10.48550/arXiv.2007.14044
[15] Vojtech Havlicek, Antonio D. Córcoles, Kristan Temme, Aram W. Harrow, Abhinav Kandala, Jerry M. Chow 및 Jay M. Gambetta. "양자 강화 기능 공간을 사용한 지도 학습"(2018). URL: doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2
[16] Edward Grant, Marcello Benedetti, Shuxiang Cao, Andrew Hallam, Joshua Lockhart, Vid Stojevic, Andrew G. Green, Simone Severini. "계층적 양자 분류기"(2018). URL: doi.org/10.1038/s41534-018-0116-9.
https://doi.org/10.1038/s41534-018-0116-9
[17] Bobak Toussi Kiani, Agnes Villanyi, Seth Lloyd. "양자 의료 이미징 알고리즘"(2020). URL: doi.org/10.48550/arXiv.2004.02036.
https:///doi.org/10.48550/arXiv.2004.02036
[18] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio 등. "변량 양자 알고리즘"(2020). URL: doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[19] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S Kottmann, Tim Menke 등. "시끄러운 중간 규모 양자 알고리즘". Modern Physics 94, 015004(2022)의 리뷰. URL: doi.org/ 10.1103/ RevModPhys.94.015004.
https : / /doi.org/10.1103/ RevModPhys.94.015004
[20] Monique Noirhomme-Fraiture와 Paula Brito. "고전적인 데이터 모델을 훨씬 능가하는 것: 상징적 데이터 분석". 통계 분석 및 데이터 마이닝: ASA Data Science Journal 4, 157–170(2011). URL: doi.org/10.1002/sam.10112.
https://doi.org/10.1002/sam.10112
[21] Adrián Pérez-Salinas, Alba Cervera-Lierta, Elies Gil-Fuster, José I Latorre. "범용 양자 분류기를 위한 데이터 재업로드". 퀀텀 4, 226(2020). URL: doi.org/10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226
[22] 미타라이 코스케, 네고로 마코토, 키타가와 마사히로, 후지이 케이스케 "양자 회로 학습". 물리적 검토 A 98, 032309(2018).
https : / /doi.org/10.1103/ PhysRevA.98.032309
[23] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac 및 Nathan Killoran. "양자 하드웨어에서 분석 기울기 평가". 물리적 검토 A 99, 032331(2019).
https : / /doi.org/10.1103/ PhysRevA.99.032331
[24] 마리아 슐드와 프란체스코 페트루치오네. "커널 방법으로서의 양자 모델". 양자 컴퓨터를 사용한 기계 학습에서. 페이지 217–245. 스프링거(2021).
[25] 마리아 슐드, 라이언 스웨크, 요하네스 야콥 마이어. "변형 양자 기계 학습 모델의 표현력에 대한 데이터 인코딩의 효과". 물리적 검토 A 103, 032430(2021).
https : / /doi.org/10.1103/ PhysRevA.103.032430
[26] Iris Cong, 최순원, Mikhail D Lukin. "양자 컨벌루션 신경망". 자연 물리학 15, 1273–1278 (2019).
[27] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush 및 Hartmut Neven. "양자 신경망 훈련 환경의 불모의 고원". 네이처 커뮤니케이션 9, 1–6(2018). URL: doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4
[28] Carlos Ortiz Marrero, Mária Kieferová, Nathan Wiebe. "얽힘으로 인한 불모의 고원". PRX 퀀텀 2, 040316(2021). URL: doi.org/10.1103/PRXQuantum.2.040316.
https : / / doi.org/ 10.1103 / PRXQuantum.2.040316
[29] 마르코 세레소, 아키라 소네, 타일러 볼코프, 루카시 신치오, 패트릭 J 콜스. "얕은 매개변수화된 양자 회로의 비용 함수 의존 불모의 고원". 네이처 커뮤니케이션 12, 1–12(2021). URL: doi.org/10.1038/s41467-021-21728-w.
https : / /doi.org/ 10.1038 / s41467-021-21728-w
[30] Kunal Sharma, Marco Cerezo, Lukasz Cincio 및 Patrick J Coles. "소산 퍼셉트론 기반 양자 신경망의 훈련 가능성". Physical Review Letters 128, 180505(2022). URL: doi.org/ 10.1103/ PhysRevLett.128.180505.
https : / /doi.org/10.1103/ PhysRevLett.128.180505
[31] S Johri, S Debnath, A Mocherla, A Singh, A Prakash, J Kim 및 I Kerenidis. "갇힌 이온 양자 컴퓨터에서 가장 가까운 중심 분류"(2021).
[32] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu 및 Dacheng Tao. "직교 심층 신경망". 패턴 분석 및 머신 인텔리전스에 관한 IEEE 트랜잭션(2019).
https : / /doi.org/10.1109/ TPAMI.2019.2948352
[33] Jiayun Wang, Yubei Chen, Rudrasis Chakraborty, Stella X Yu. "직교 컨벌루션 신경망". 컴퓨터 비전 및 패턴 인식에 관한 IEEE/ CVF 회의 절차에서. 페이지 11505–11515. (2020).
https:/ / doi.org/ 10.1109/ CVPR42600.2020.01152
[34] Nitin Bansal, Xiaohan Chen, Zhangyang Wang. "딥 네트워크 훈련에서 직교성 정규화로부터 더 많은 것을 얻을 수 있습니까?". 신경 정보 처리 시스템의 발전 31(2018).
https : / /doi.org/ 10.5555 / 3327144.3327339
[35] Xiaohua Zhai, Alexander Kolesnikov, Neil Houlsby 및 Lucas Beyer. "비전 트랜스포머 스케일링"(2021).
[36] Iordanis Kerenidis와 Anupam Prakash. "하위 공간 상태를 사용한 양자 기계 학습"(2022). URL: doi.org/10.48550/arXiv.2202.00054.
https:///doi.org/10.48550/arXiv.2202.00054
[37] Sergi Ramos-Calderer, Adrián Pérez-Salinas, Diego García-Martín, Carlos Bravo-Prieto, Jorge Cortada, Jordi Planagumà, José I. Latorre. "옵션 가격 책정에 대한 양자 단항 접근법"(2019).
https : / /doi.org/10.1103/ PhysRevA.103.032414
[38] Nicodem Grzesiak, Reinhold Blümel, Kenneth Wright, Kristin M. Beck, Neal C. Pisenti, Ming Li, Vandiver Chaplin, Jason M. Amini, Shantanu Debnath, Jwo-Sy Chen, 남윤성. "트랩 이온 양자 컴퓨터에서 효율적인 임의 동시 얽힘 게이트". Nat Commun, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] 알렉산더 즐로카파, 하르트무트 네븐, 세스 로이드. "넓고 깊은 고전 신경망 훈련을 위한 양자 알고리즘"(2021). URL: doi.org/10.48550/arXiv.2107.09200.
https:///doi.org/10.48550/arXiv.2107.09200
[40] 마리오 레스카노-카사도와 다비드 마르티네즈-루비오. "신경망의 저렴한 직교 제약 조건: 직교 및 단일 그룹의 간단한 매개변수화". 기계 학습에 관한 국제 회의에서. 페이지 3794–3803. PMLR(2019). URL: doi.org/10.48550/arXiv.1901.08428.
https:///doi.org/10.48550/arXiv.1901.08428
[41] Moshe Leshno, Vladimir Ya Lin, Allan Pinkus 및 Shimon Schocken. "비다항식 활성화 기능이 있는 다층 피드포워드 네트워크는 모든 기능을 근사화할 수 있습니다." 신경망 6, 861–867(1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] 로버트 헥트-닐슨. “역전파 신경망 이론”. 지각을 위한 신경망에서. 65~93쪽. 엘스비어(1992).
https://doi.org/10.1109/IJCNN.1989.118638
[43] 라울 로하스. "역전파 알고리즘". 신경망에서. 페이지 149–182. 스프링거(1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] Jiancheng Yang, Rui Shi, Bingbing Ni. "Medmnist 분류 2020종 경기: 의료 이미지 분석을 위한 경량 automl 벤치마크"(XNUMX).
https://doi.org/10.1109/ISBI48211.2021.9434062
[45] Daniel S. Kermany, Michael Goldbaum 등 “이미지 기반 딥러닝으로 의학적 진단 및 치료 가능한 질병 식별”. 세포, 권. 172, 아니. 5, pp. 1122 – 1131.e9, (2018).
https://doi.org/10.1016/j.cell.2018.02.010
[46] Ping Zhang과 Bin Sheng. "Deepdr 당뇨병성 망막병증 이미지 데이터 세트(deepdrid), "제2차 당뇨병성 망막병증 - 등급 및 이미지 품질 평가 과제". https://isbi.deepdr.org/ data.html(2020).
https://isbi.deepdr.org/ data.html~
[47] 노현우, 유택근, 문종환, 한보형. "노이즈에 의한 심층 신경망 정규화: 해석 및 최적화". 신경IPS(2017).
https : / /doi.org/ 10.5555 / 3295222.3295264
[48] 쑤잉. "과대적합 및 그 솔루션에 대한 개요". 물리학 저널: 컨퍼런스 시리즈. 1168권, 022022페이지. IOP 출판(2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
[49] El Amine Cherrat, Iordanis Kerenidis, Natansh Mathur, Jonas Landman, Martin Strahm, Yun Yvonna Li. "양자 비전 트랜스포머"(2022).
[50] 스콧 아론슨. "작은 글씨를 읽으십시오". 자연 물리학 11, 291–293(2015).
https : / /doi.org/ 10.1038 / nphys3272
[51] 마이클 A. 닐슨. “신경망과 딥러닝”. 결정 보도 (2015).
인용
이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.
