1QC Ware, Palo Alto, VS en Parijs, Frankrijk
2IRIF, CNRS – Universiteit van Parijs, Frankrijk
3Indisch Instituut voor Technologie Roorkee, India
4F. Hoffmann La Roche AG
Vind je dit artikel interessant of wil je het bespreken? Scite of laat een reactie achter op SciRate.
Abstract
Quantum machine learning-technieken zijn voorgesteld als een manier om de prestaties van machine learning-toepassingen mogelijk te verbeteren.
In dit artikel introduceren we twee nieuwe kwantummethoden voor neurale netwerken. De eerste is een kwantumorthogonaal neuraal netwerk, dat is gebaseerd op een kwantumpiramidale schakeling als bouwsteen voor het implementeren van orthogonale matrixvermenigvuldiging. We bieden een efficiënte manier om dergelijke orthogonale neurale netwerken te trainen; nieuwe algoritmen zijn gedetailleerd voor zowel klassieke als kwantumhardware, waarvan is bewezen dat beide asymptotisch beter schalen dan eerder bekende trainingsalgoritmen.
De tweede methode zijn kwantumondersteunde neurale netwerken, waarbij een kwantumcomputer wordt gebruikt om inproductschattingen uit te voeren voor inferentie en training van klassieke neurale netwerken.
Vervolgens presenteren we uitgebreide experimenten toegepast op medische beeldclassificatietaken met behulp van de huidige geavanceerde kwantumhardware, waarbij we verschillende kwantummethoden vergelijken met klassieke methoden, zowel op echte kwantumhardware als op simulatoren. Onze resultaten laten zien dat kwantum- en klassieke neurale netwerken een vergelijkbaar niveau van nauwkeurigheid genereren, wat de belofte ondersteunt dat kwantummethoden nuttig kunnen zijn bij het oplossen van visuele taken, gezien de komst van betere kwantumhardware.
► BibTeX-gegevens
► Referenties
[1] Aram W Harrow, Avinatan Hassidim en Seth Lloyd. "Quantum-algoritme voor lineaire stelsels van vergelijkingen". Fysieke beoordelingsbrieven 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[2] Seth Lloyd, Masoud Mohseni en Patrick Rebentrost. "Kwantumalgoritmen voor gecontroleerd en onbewaakt machinaal leren" (2013).
[3] Seth Lloyd, Masoud Mohseni en Patrick Rebentrost. "Quantum hoofdcomponentenanalyse". Natuurfysica 10, 631-633 (2014).
https: / / doi.org/ 10.1038 / nphys3029
[4] Iordanis Kerenidis en Anupam Prakash. "Kwantumaanbevelingssystemen". 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 en Anupam Prakash. "q-betekent: een kwantumalgoritme voor machine learning zonder toezicht". Vooruitgang in neurale informatieverwerkingssystemen 32. Pagina's 4136-4146. Curran Associates, Inc. (2019). url:.
arXiv: 1812.03584
[6] Seth Lloyd, Silvano Garnerone en Paolo Zanardi. "Kwantumalgoritmen voor topologische en geometrische analyse van gegevens". Natuurcommunicatie 7, 1–7 (2016). url: doi.org/10.1038/ncomms10138.
https: / / doi.org/ 10.1038 / ncomms10138
[7] Edward Farhi en Hartmut Neven. "Classificatie met kwantumneurale netwerken op processors op korte termijn" (2018). url: doi.org/10.48550/arXiv.1802.06002.
https://doi.org/10.48550/arXiv.1802.06002
[8] I Kerenidis, J Landman en A Prakash. "Kwantumalgoritmen voor diepe convolutionele neurale netwerken". ACHTSTE INTERNATIONALE CONFERENTIE OVER LEERREPRESENTATIES ICLR (2019).
https://doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis en S Zhang. "Kwantumalgoritmen voor feedforward neurale netwerken". ACM Transacties op Quantum Computing 1 (1), 1-24 (2020).
https: / / doi.org/ 10.1145 / 3411466
[10] Iris Cong, Soonwon Choi en Mikhail D. Lukin. "Quantum convolutionele neurale netwerken". Natuurfysica 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Hector Ivan Garcia-Hernandez, Raymundo Torres-Ruiz en Guo-Hua Sun. "Beeldclassificatie via quantum machine learning" (2020). url: doi.org/10.48550/arXiv.2011.02831.
https://doi.org/10.48550/arXiv.2011.02831
[12] Saurabh Kumar, Siddharth Dangwal en Debanjan Bhowmik. "Onder toezicht leren met behulp van een aangekleed kwantumnetwerk met" supergecomprimeerde codering ": implementatie op basis van algoritme en kwantumhardware" (2020). url: doi.org/10.48550/arXiv.2007.10242.
https://doi.org/10.48550/arXiv.2007.10242
[13] Kouhei Nakaji en Naoki Yamamoto. "Quantum semi-supervised generatief vijandig netwerk voor verbeterde gegevensclassificatie" (2020). url: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] William Cappelletti, Rebecca Erbanni en Joaquin Keller. "Polyadische kwantumclassificator" (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 en Jay M. Gambetta. "Onder toezicht leren met kwantumverbeterde functieruimten" (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 en Simone Severini. "Hiërarchische kwantumclassificaties" (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 en Seth Lloyd. "Quantum algoritmen voor medische beeldvorming" (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, et al. "Variationele kwantumalgoritmen" (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, et al. "Lawaaierige kwantumalgoritmen op gemiddelde schaal". Recensies van Modern Physics 94, 015004 (2022). url: doi.org/10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[20] Monique Noirhomme Fraiture en Paula Brito. “Ver voorbij de klassieke datamodellen: symbolische data-analyse”. Statistische analyse en datamining: het 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 en José I Latorre. "Het opnieuw uploaden van gegevens voor een universele kwantumclassificator". Kwantum 4, 226 (2020). url: doi.org/10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226
[22] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa en Keisuke Fujii. "Kwantumcircuit leren". Fysieke beoordeling A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[23] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac en Nathan Killoran. "Evaluatie van analytische gradiënten op kwantumhardware". Fysieke beoordeling A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[24] Maria Schuld en Francesco Petruccione. "Kwantummodellen als kernelmethoden". In machine learning met kwantumcomputers. Pagina's 217-245. Springer (2021).
[25] Maria Schuld, Ryan Sweke en Johannes Jakob Meyer. "Effect van gegevenscodering op de expressieve kracht van variatiemodellen voor kwantummachine learning". Fysieke beoordeling A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[26] Iris Cong, Soonwon Choi en Mikhail D Lukin. "Quantum convolutionele neurale netwerken". Natuurfysica 15, 1273-1278 (2019).
[27] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush en Hartmut Neven. "Onvruchtbare plateaus in trainingslandschappen voor kwantumneurale netwerken". Natuurcommunicatie 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 en Nathan Wiebe. "Door verstrengeling veroorzaakte onvruchtbare plateaus". PRX Quantum 2, 040316 (2021). url: doi.org/10.1103/PRXQuantum.2.040316.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[29] Marco Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio en Patrick J Coles. "Kostenfunctieafhankelijke kale plateaus in ondiepe geparametriseerde kwantumcircuits". Natuurcommunicatie 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 en Patrick J Coles. "Trainbaarheid van dissipatieve op perceptron gebaseerde kwantumneurale netwerken". Fysieke beoordeling 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 en ik Kerenidis. "Dichtstbijzijnde zwaartepuntclassificatie op een quantumcomputer met ingesloten ionen" (2021).
[32] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu en Dacheng Tao. "Orthogonale diepe neurale netwerken". IEEE-transacties op patroonanalyse en machine-intelligentie (2019).
https: / / doi.org/ 10.1109 / TPAMI.2019.2948352
[33] Jiayun Wang, Yubei Chen, Rudrasis Chakraborty en Stella X Yu. "Orthogonale convolutionele neurale netwerken". In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Pagina's 11505-11515. (2020).
https:///doi.org/10.1109/CVPR42600.2020.01152
[34] Nitin Bansal, Xiaohan Chen en Zhangyang Wang. "Kunnen we meer halen uit orthogonaliteitsregularisaties bij het trainen van diepe netwerken?". Vooruitgang in neurale informatieverwerkingssystemen 31 (2018).
https: / / doi.org/ 10.5555 / 3327144.3327339
[35] Xiaohua Zhai, Alexander Kolesnikov, Neil Houlsby en Lucas Beyer. "Schaalbare visietransformatoren" (2021).
[36] Iordanis Kerenidis en Anupam Prakash. "Quantum machine learning met subruimtetoestanden" (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 en José I. Latorre. "Kwantumunaire benadering van optieprijzen" (2019).
https: / / doi.org/ 10.1103 / PhysRevA.103.032414
[38] Nikodem Grzesiak, Reinhold Blümel, Kenneth Wright, Kristin M. Beck, Neal C. Pisenti, Ming Li, Vandiver Chaplin, Jason M. Amini, Shantanu Debnath, Jwo-Sy Chen en Yunseong Nam. "Efficiënte willekeurige gelijktijdig verstrengelde poorten op een quantumcomputer met ingesloten ionen". Nat Commun, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] Alexander Zlokapa, Hartmut Neven en Seth Lloyd. "Een kwantumalgoritme voor het trainen van brede en diepe klassieke neurale netwerken" (2021). url: doi.org/10.48550/arXiv.2107.09200.
https://doi.org/10.48550/arXiv.2107.09200
[40] Mario Lezcano-Casado en David Martínez-Rubio. "Goedkope orthogonale beperkingen in neurale netwerken: een eenvoudige parametrisatie van de orthogonale en unitaire groep". In internationale conferentie over machinaal leren. Pagina's 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 en Shimon Schocken. "Meerlagige feedforward-netwerken met een niet-polynomiale activeringsfunctie kunnen elke functie benaderen". Neurale netwerken 6, 861-867 (1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] Robert Hecht-Nielsen. "Theorie van het backpropagation neurale netwerk". In Neurale netwerken voor waarneming. Pagina's 65-93. Elsevier (1992).
https://doi.org/10.1109/IJCNN.1989.118638
[43] Raúl Rojas. "Het backpropagation-algoritme". In neurale netwerken. Pagina's 149-182. Springer (1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] Jiancheng Yang, Rui Shi en Bingbing Ni. "Medmnist-classificatietienkamp: een lichtgewicht automl-benchmark voor medische beeldanalyse" (2020).
https:///doi.org/10.1109/ISBI48211.2021.9434062
[45] Daniel S. Kermany, Michael Goldbaum en et al. "Medische diagnoses en behandelbare ziekten identificeren door middel van op afbeeldingen gebaseerd diep leren". Cel, vol. 172, nee. 5, blz. 1122 – 1131.e9, (2018).
https:///doi.org/10.1016/j.cell.2018.02.010
[46] Ping Zhang en Bin Sheng. "Deepdr diabetische retinopathie beelddataset (deepdrid)," de 2e diabetische retinopathie - beoordeling en schatting van de beeldkwaliteit uitdaging "". https:///isbi.deepdr.org/data.html (2020).
https:///isbi.deepdr.org/data.html~
[47] Hyeonwoo Noh, Tackgeun You, Jonghwan Mun en Bohyung Han. "Het regulariseren van diepe neurale netwerken door ruis: de interpretatie en optimalisatie ervan". NeurIPS (2017).
https: / / doi.org/ 10.5555 / 3295222.3295264
[48] Xue Ying. "Een overzicht van overfitting en zijn oplossingen". In Journal of physics: Conferentiereeks. Volume 1168, pagina 022022. IOP Publishing (2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
[49] El Amine Cherrat, Iordanis Kerenidis, Natansh Mathur, Jonas Landman, Martin Strahm en Yun Yvonna Li. "Quantum vision-transformatoren" (2022).
[50] Scott Aaronson. “Lees de kleine lettertjes”. Natuurfysica 11, 291–293 (2015).
https: / / doi.org/ 10.1038 / nphys3272
[51] Michael A Nielsen. "Neurale netwerken en diep leren". Bepaling Pers (2015).
Geciteerd door
Dit artikel is gepubliceerd in Quantum onder de Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0) licentie. Het auteursrecht blijft berusten bij de oorspronkelijke houders van auteursrechten, zoals de auteurs of hun instellingen.
