1QC Ware, Palo Alto, SUA și Paris, Franța
2IRIF, CNRS – Universitatea din Paris, Franța
3Institutul Indian de Tehnologie Roorkee, India
4F. Hoffmann La Roche AG
Găsiți această lucrare interesant sau doriți să discutați? Scite sau lasă un comentariu la SciRate.
Abstract
Tehnicile de învățare automată cuantică au fost propuse ca o modalitate de a îmbunătăți potențial performanța în aplicațiile de învățare automată.
În această lucrare, prezentăm două noi metode cuantice pentru rețelele neuronale. Prima este o rețea neuronală cuantică ortogonală, care se bazează pe un circuit piramidal cuantic ca element de construcție pentru implementarea înmulțirii matricei ortogonale. Oferim o modalitate eficientă de antrenare a unor astfel de rețele neuronale ortogonale; noi algoritmi sunt detaliați atât pentru hardware-ul clasic, cât și pentru cel cuantic, unde s-a dovedit că ambii se scalează asimptotic mai bine decât algoritmii de antrenament cunoscuți anterior.
A doua metodă este rețelele neuronale asistate cuantic, în care un computer cuantic este utilizat pentru a efectua estimarea produsului intern pentru inferența și antrenamentul rețelelor neuronale clasice.
Prezentăm apoi experimente extinse aplicate sarcinilor de clasificare a imaginilor medicale folosind hardware-ul cuantic de ultimă generație, în care comparăm diferite metode cuantice cu cele clasice, atât pe hardware cuantic real, cât și pe simulatoare. Rezultatele noastre arată că rețelele neuronale cuantice și clasice generează un nivel similar de precizie, susținând promisiunea că metodele cuantice pot fi utile în rezolvarea sarcinilor vizuale, având în vedere apariția unui hardware cuantic mai bun.
► Date BibTeX
► Referințe
[1] Aram W Harrow, Avinatan Hassidim și Seth Lloyd. „Algoritm cuantic pentru sisteme liniare de ecuații”. Scrisorile de revizuire fizică 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[2] Seth Lloyd, Masoud Mohseni și Patrick Rebentrost. „Algoritmi cuantici pentru învățarea automată supravegheată și nesupravegheată” (2013).
[3] Seth Lloyd, Masoud Mohseni și Patrick Rebentrost. „Analiză cuantică a componentelor principale”. Fizica naturii 10, 631–633 (2014).
https: / / doi.org/ 10.1038 / nphys3029
[4] Iordanis Kerenidis și Anupam Prakash. „Sisteme de recomandare cuantică”. A 8-a Conferință Inovații în Informatică Teoretică (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 și Anupam Prakash. „q-means: un algoritm cuantic pentru învățarea automată nesupravegheată”. In Advances in Neural Information Processing Systems 32. Paginile 4136–4146. Curran Associates, Inc. (2019). url:.
arXiv: 1812.03584
[6] Seth Lloyd, Silvano Garnerone și Paolo Zanardi. „Algoritmi cuantici pentru analiza topologică și geometrică a datelor”. Nature communications 7, 1–7 (2016). url: doi.org/10.1038/ncomms10138.
https: / / doi.org/ 10.1038 / ncomms10138
[7] Edward Farhi și Hartmut Neven. „Clasificarea cu rețele neuronale cuantice pe procesoare pe termen scurt” (2018). url: doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
[8] Eu Kerenidis, J Landman și A Prakash. „Algoritmi cuantici pentru rețele neuronale convoluționale profunde”. A OPTA CONFERINȚA INTERNAȚIONALĂ PRIVIND REPREZENTĂȚILE ÎNVĂȚĂRII ICLR (2019).
https:///doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis și S Zhang. „Algoritmi cuantici pentru rețelele neuronale feedforward”. Tranzacții ACM pe calculul cuantic 1 (1), 1-24 (2020).
https: / / doi.org/ 10.1145 / 3411466
[10] Iris Cong, Soonwon Choi și Mikhail D. Lukin. „Rețele neuronale convoluționale cuantice”. Fizica naturii 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Hector Ivan García-Hernandez, Raymundo Torres-Ruiz și Guo-Hua Sun. „Clasificarea imaginilor prin învățarea automată cuantică” (2020). url: doi.org/10.48550/arXiv.2011.02831.
https:///doi.org/10.48550/arXiv.2011.02831
[12] Saurabh Kumar, Siddharth Dangwal și Debanjan Bhowmik. „Învățare supravegheată folosind o rețea cuantică îmbrăcată cu „codare super comprimată”: algoritm și implementare bazată pe hardware cuantic” (2020). url: doi.org/10.48550/arXiv.2007.10242.
https:///doi.org/10.48550/arXiv.2007.10242
[13] Kouhei Nakaji și Naoki Yamamoto. „Rețea adversară generativă semi-supravegheată cuantică pentru clasificarea îmbunătățită a datelor” (2020). url: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] William Cappelletti, Rebecca Erbanni și Joaquín Keller. „Clasificator cuantic poliadic” (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 și Jay M. Gambetta. „Învățare supravegheată cu spații de caracteristici îmbunătățite cuantic” (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 și Simone Severini. „Clasificatori cuantici ierarhici” (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 și Seth Lloyd. „Algoritmi de imagistică medicală cuantică” (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 Cicio și colab. „Algoritmi cuantici variaționali” (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. „Algoritmi cuantici zgomotoși la scară intermediară”. Reviews of 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 și Paula Brito. „Mult dincolo de modelele clasice de date: analiza simbolică a datelor”. Analiza statistică și extragerea datelor: Jurnalul ASA Data Science 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 și José I Latorre. „Reîncărcarea datelor pentru un clasificator cuantic universal”. Quantum 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 și Keisuke Fujii. „Învățare cu circuite cuantice”. Physical Review A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[23] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac și Nathan Killoran. „Evaluarea gradienților analitici pe hardware-ul cuantic”. Physical Review A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[24] Maria Schuld și Francesco Petruccione. „Modele cuantice ca metode de nucleu”. În învățarea automată cu calculatoare cuantice. Paginile 217–245. Springer (2021).
[25] Maria Schuld, Ryan Sweke și Johannes Jakob Meyer. „Efectul codificării datelor asupra puterii expresive a modelelor variaționale de învățare cuantică-mașină”. Physical Review A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[26] Iris Cong, Soonwon Choi și Mikhail D Lukin. „Rețele neuronale convoluționale cuantice”. Fizica naturii 15, 1273–1278 (2019).
[27] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush și Hartmut Neven. „Plașuri sterile în peisajele de antrenament al rețelelor neuronale cuantice”. Nature communications 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 și Nathan Wiebe. „Podisurile sterile induse de încurcare”. 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 Cicio și Patrick J Coles. „Platuri sterile dependente de funcția de cost în circuite cuantice parametrizate superficiale”. Nature communications 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 Cicio și Patrick J Coles. „Formarea rețelelor neuronale cuantice bazate pe perceptron disipativ”. 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 și eu Kerenidis. „Cel mai apropiat centru de clasificare pe un computer cuantic cu ioni prinși” (2021).
[32] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu și Dacheng Tao. „Rețele neuronale profunde ortogonale”. Tranzacții IEEE privind analiza modelelor și inteligența mașinilor (2019).
https:///doi.org/10.1109/TPAMI.2019.2948352
[33] Jiayun Wang, Yubei Chen, Rudrasis Chakraborty și Stella X Yu. „Rețele neuronale convoluționale ortogonale”. În Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Paginile 11505–11515. (2020).
https:///doi.org/10.1109/CVPR42600.2020.01152
[34] Nitin Bansal, Xiaohan Chen și Zhangyang Wang. „Putem câștiga mai mult din regularizările ortogonalității în formarea rețelelor profunde?”. Progrese în sistemele de procesare a informațiilor neuronale 31 (2018).
https: / / doi.org/ 10.5555 / 3327144.3327339
[35] Xiaohua Zhai, Alexander Kolesnikov, Neil Houlsby și Lucas Beyer. „Scalarea transformatoarelor de vedere” (2021).
[36] Iordanis Kerenidis și Anupam Prakash. „Învățare automată cuantică cu stări subspațiale” (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 și José I. Latorre. „Abordare unară cuantică a prețului opțiunilor” (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 și Yunseong Nam. „Porți de încurcare simultană arbitrară eficiente pe un computer cuantic cu ioni prinși”. Nat Commun, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] Alexander Zlokapa, Hartmut Neven și Seth Lloyd. „Un algoritm cuantic pentru antrenarea rețelelor neuronale clasice largi și profunde” (2021). url: doi.org/10.48550/arXiv.2107.09200.
https:///doi.org/10.48550/arXiv.2107.09200
[40] Mario Lezcano-Casado și David Martinez-Rubio. „Constrângeri ortogonale ieftine în rețelele neuronale: o parametrizare simplă a grupului ortogonal și unitar”. În cadrul Conferinței internaționale despre învățarea automată. Paginile 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 și Shimon Schocken. „Rețelele de tip feedforward multistrat cu o funcție de activare nepolinomială pot aproxima orice funcție”. Rețele neuronale 6, 861–867 (1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] Robert Hecht-Nielsen. „Teoria rețelei neuronale de retropropagare”. În rețele neuronale pentru percepție. Paginile 65–93. Elsevier (1992).
https:///doi.org/10.1109/IJCNN.1989.118638
[43] Raul Rojas. „Algoritmul de retropropagare”. În rețelele neuronale. Paginile 149–182. Springer (1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] Jiancheng Yang, Rui Shi și Bingbing Ni. „Clasificarea Medmnist Decathlon: Un etalon automl ușor pentru analiza imaginilor medicale” (2020).
https:///doi.org/10.1109/ISBI48211.2021.9434062
[45] Daniel S. Kermany, Michael Goldbaum și colab. „Identificarea diagnosticelor medicale și a bolilor tratabile prin învățare profundă bazată pe imagini”. Celula, voi. 172, nr. 5, p. 1122 – 1131.e9, (2018).
https:///doi.org/10.1016/j.cell.2018.02.010
[46] Ping Zhang și Bin Sheng. „Setul de date de imagini pentru retinopatia diabetică Deepdr (deepdrid), „a doua retinopatie diabetică – provocare de evaluare și evaluare a calității imaginii””. https:///isbi.deepdr.org/data.html (2).
https:///isbi.deepdr.org/data.html~
[47] Hyeonwoo Noh, Tackgeun You, Jonghwan Mun și Bohyung Han. „Regularizarea rețelelor neuronale profunde prin zgomot: interpretarea și optimizarea acesteia”. NeurIPS (2017).
https: / / doi.org/ 10.5555 / 3295222.3295264
[48] Xue Ying. „O privire de ansamblu asupra suprainstalării și soluțiile sale”. În Jurnalul de fizică: seria de conferințe. Volumul 1168, pag. 022022. Editura IOP (2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
[49] El Amine Cherrat, Iordanis Kerenidis, Natansh Mathur, Jonas Landman, Martin Strahm și Yun Yvonna Li. „Transformatori de viziune cuantică” (2022).
[50] Scott Aaronson. „Citiți literele mici”. Fizica naturii 11, 291–293 (2015).
https: / / doi.org/ 10.1038 / nphys3272
[51] Michael A. Nielsen. „Rețele neuronale și învățarea profundă”. Presa Determinare (2015).
Citat de
Acest Lucru este publicat în Quantum sub Creative Commons Atribuire 4.0 internațională (CC BY 4.0) licență. Drepturile de autor rămân la deținătorii de drepturi de autor originale, precum autorii sau instituțiile lor.
