1IRIF, CNRS – Университет Париж-Сите, Франция
2QC Ware, Пало-Альто, США и Париж, Франция
3Школа информатики, Эдинбургский университет, Шотландия, Великобритания
4Ф. Хоффманн Ла Рош АГ
Находите эту статью интересной или хотите обсудить? Scite или оставить комментарий на SciRate.
Абстрактные
В этой работе квантовые преобразователи разрабатываются и подробно анализируются путем расширения современных классических архитектур нейронных сетей преобразователей, которые, как известно, очень эффективны при обработке естественного языка и анализе изображений. Основываясь на предыдущей работе, в которой используются параметризованные квантовые схемы для загрузки данных и ортогональные нейронные слои, мы представляем три типа квантовых преобразователей для обучения и вывода, включая квантовый преобразователь на основе составных матриц, который гарантирует теоретическое преимущество механизма квантового внимания. по сравнению со своим классическим аналогом как с точки зрения асимптотического времени выполнения, так и с точки зрения количества параметров модели. Эти квантовые архитектуры могут быть построены с использованием мелких квантовых схем и создавать качественно разные модели классификации. Три предлагаемых слоя квантового внимания различаются по спектру: от близкого следования классическим преобразователям до проявления большего количества квантовых характеристик. В качестве строительных блоков квантового преобразователя мы предлагаем новый метод загрузки матрицы в виде квантовых состояний, а также два новых обучаемых квантовых ортогональных слоя, адаптируемых к различным уровням связности и качеству квантовых компьютеров. Мы провели обширное моделирование квантовых преобразователей на стандартных наборах данных медицинских изображений, которые показали конкурентоспособную, а иногда и лучшую производительность по сравнению с классическими тестами, включая лучшие в своем классе классические преобразователи зрения. Квантовые преобразователи, которые мы обучили на этих небольших наборах данных, требуют меньше параметров по сравнению со стандартными классическими тестами. Наконец, мы внедрили наши квантовые преобразователи в сверхпроводящие квантовые компьютеры и получили обнадеживающие результаты для шести экспериментов с кубитами.
Популярное резюме
► Данные BibTeX
► Рекомендации
[1] Джейкоб Биамонте, Питер Виттек, Никола Панкотти, Патрик Ребентрост, Натан Виб и Сет Ллойд. «Квантовое машинное обучение». Природа 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474
[2] Ирис Конг, Сунвон Чой и Михаил Д. Лукин. «Квантовые сверточные нейронные сети». Nature Physics 15, 1273–1278 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[3] Кишор Бхарти, Альба Сервера-Лиерта, Тхи Ха Кьяу, Тобиас Хауг, Самнер Альперин-Ли, Абхинав Ананд, Матиас Дегроот, Германни Хеймонен, Якоб С. Коттманн, Тим Менке и др. «Шумные квантовые алгоритмы среднего масштаба». Обзоры современной физики 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[4] Марко Сересо, Эндрю Аррасмит, Райан Бэббуш, Саймон С. Бенджамин, Сугуру Эндо, Кейсуке Фуджи, Джаррод Р. МакКлин, Косуке Митараи, Сяо Юань, Лукаш Чинчио и др. «Вариационные квантовые алгоритмы». Nature Reviews Physics 3, 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
[5] Йонас Ландман, Натанш Матур, Юн Ивонна Ли, Мартин Страм, Скандер Каздагли, Анупам Пракаш и Иорданис Керенидис. «Квантовые методы нейронных сетей и их применение в классификации медицинских изображений». Квант 6, 881 (2022).
https://doi.org/10.22331/q-2022-12-22-881
[6] Бобак Киани, Рэндалл Балестриеро, Ян ЛеКун и Сет Ллойд. «projunn: эффективный метод обучения глубоких сетей с унитарными матрицами». Достижения в области нейронных систем обработки информации 35, 14448–14463 (2022).
[7] Ашиш Васвани, Ноам Шазир, Ники Пармар, Якоб Ушкорейт, Ллион Джонс, Айдан Н Гомес, Лукаш Кайзер и Илья Полосухин. «Внимание — это все, что вам нужно». Достижения в области нейронных систем обработки информации 30 (2017).
[8] Джейкоб Девлин, Минг-Вэй Чанг, Кентон Ли и Кристина Тутанова. «Берт: Предварительная подготовка глубоких двунаправленных преобразователей для понимания языка» (2018).
[9] Алексей Досовицкий, Лукас Байер, Александр Колесников, Дирк Вайсенборн, Сяохуа Чжай, Томас Унтертинер, Мостафа Дегани, Матиас Миндерер, Георг Хейгольд, Сильвен Гелли, Якоб Ушкорейт и Нил Хоулсби. «Изображение стоит 16×16 слов: Трансформаторы для распознавания изображений в масштабе». Международная конференция по обучению представлений (2021). URL: openreview.net/forum?id=YicbFdNTTy.
https://openreview.net/forum?id=YicbFdNTTy
[10] Йи Тай, Мостафа Дегани, Дара Бахри и Дональд Мецлер. «Эффективные трансформаторы: обзор». Обзоры вычислительных систем ACM (CSUR) (2020).
https: / / doi.org/ 10.1145 / 3530811
[11] Дмитрий Богданов, Кёнхён Чо и Йошуа Бенжио. «Нейронный машинный перевод: совместное обучение выравниванию и переводу» (2016). arXiv:1409.0473 [cs, статистика].
Arxiv: 1409.0473
[12] Й. Шмидхубер. «Уменьшение соотношения между сложностью обучения и количеством переменных, изменяющихся во времени, в полностью рекуррентных сетях». Стэн Гилен и Берт Каппен, редакторы ICANN '93. Страницы 460–463. Лондон (1993). Спрингер.
https://doi.org/10.1007/978-1-4471-2063-6_110
[13] Юрген Шмидхубер. «Обучение управлению памятью с быстрым весом: альтернатива динамическим рекуррентным сетям». Нейронные вычисления 4, 131–139 (1992).
https:///doi.org/10.1162/neco.1992.4.1.131
[14] Питер Ча, Пол Гинспарг, Феликс Ву, Хуан Карраскилья, Питер Л. МакМахон и Ын-А Ким. «Квантовая томография, основанная на внимании». Машинное обучение: Наука и технологии 3, 01LT01 (2021).
https:///doi.org/10.1088/2632-2153/ac362b
[15] Риккардо Ди Сипио, Цзя-Хонг Хуан, Сэмюэл Йен-Чи Чен, Стефано Манджини и Марсель Уорринг. «Рассвет квантовой обработки естественного языка». ICASSP 2022-2022 Международная конференция IEEE по акустике, речи и обработке сигналов (ICASSP). Страницы 8612–8616. IEEE (2022 г.).
https://doi.org/10.1109/ICASSP43922.2022.9747675
[16] Гуанси Ли, Сюаньцян Чжао и Синь Ван. «Квантовые нейронные сети самообслуживания для классификации текста» (2022).
[17] Фабио Санчес, Шон Вайнберг, Таканори Иде и Кадзумицу Камия. «Короткие квантовые цепи в политике обучения с подкреплением для задачи маршрутизации транспортных средств». Физическое обозрение А 105, 062403 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.062403
[18] Юань Фу Ян и Мин Сун. «Обнаружение дефектов полупроводников с помощью гибридного классико-квантового глубокого обучения». CVPRP, страницы 2313–2322 (2022 г.).
https:///doi.org/10.1109/CVPR52688.2022.00236
[19] Максвелл Хендерсон, Самриддхи Шакья, Шашиндра Прадхан и Тристан Кук. «Кванволюционные нейронные сети: обеспечение распознавания изображений с помощью квантовых схем». Квантово-машинный интеллект 2, 1–9 (2020).
https: / / doi.org/ 10.1007 / s42484-020-00012-й
[20] Эдвард Фархи и Хартмут Невен. «Классификация с помощью квантовых нейронных сетей на процессорах ближайшего времени» (2018). URL: doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
[21] Косуке Митараи, Макото Негоро, Масахиро Китагава и Кейсуке Фуджи. «Квантовое схемное обучение». Физический обзор A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[22] Куй Цзя, Шуай Ли, Юйсинь Вэнь, Тунлян Лю и Дачэн Тао. «Ортогональные глубокие нейронные сети». Транзакции IEEE по анализу шаблонов и машинному интеллекту (2019 г.).
https: / / doi.org/ 10.1109 / TPAMI.2019.2948352
[23] Роджер Хорн и Чарльз Р. Джонсон. «Матричный анализ». Издательство Кембриджского университета. (2012).
https: / / doi.org/ 10.1017 / CBO9780511810817
[24] Иорданис Керенидис и Анупам Пракаш. «Квантовое машинное обучение с подпространственными состояниями» (2022).
[25] Брукс Фоксен, Чарльз Нил, Эндрю Дансуорт, Педрам Рушан, Бен Кьяро, Энтони Мегрант, Джулиан Келли, Цзыджун Чен, Кевин Сатцингер, Рами Барендс и др. «Демонстрация непрерывного набора двухкубитных вентилей для краткосрочных квантовых алгоритмов». Письма о физическом обзоре 125, 120504 (2020 г.).
https: / / doi.org/ 10.1103 / PhysRevLett.125.120504
[26] Соника Джохри, Шантану Дебнат, Авинаш Мочерла, Александрос Сингк, Анупам Пракаш, Юнгсанг Ким и Иорданис Керенидис. «Классификация ближайших центроидов на квантовом компьютере с захваченными ионами». npj Quantum Information 7, 122 (2021).
https://doi.org/10.1038/s41534-021-00456-5
[27] Джеймс В. Кули и Джон В. Тьюки. «Алгоритм машинного вычисления комплексных рядов Фурье». Математика вычислений 19, 297–301 (1965).
https://doi.org/10.1090/S0025-5718-1965-0178586-1
[28] Ли Цзин, Ичен Шен, Тена Дубчек, Джон Перифой, Скотт А. Скирло, Ян Лекун, Макс Тегмарк и Марин Солячич. «Настраиваемые эффективные унитарные нейронные сети (eunn) и их применение в rnn». На Международной конференции по машинному обучению. (2016). URL: api.semanticscholar.org/CorpusID:5287947.
https:///api.semanticscholar.org/CorpusID:5287947
[29] Лео Монбруссу, Йонас Ландман, Алекс Б. Грило, Ромен Кукла и Эльхам Кашефи. «Обучаемость и выразительность квантовых схем, сохраняющих вес Хэмминга, для машинного обучения» (2023). arXiv: 2309.15547.
Arxiv: 2309.15547
[30] Энрико Фонтана, Дилан Херман, Шуваник Чакрабарти, Нирадж Кумар, Ромина Яловецки, Джейми Хередж, Шри Хари Сурешбабу и Марко Пистойя. «Адъюнкт — это все, что вам нужно: характеристика бесплодных плато в квантовом анзаце» (2023). arXiv: 2309.07902.
Arxiv: 2309.07902
[31] Майкл Рагон, Бойко Н. Бакалов, Фредерик Соваж, Александр Ф. Кемпер, Карлос Ортис Марреро, Мартин Ларокка и М. Сересо. «Единая теория бесплодных плато для глубоких параметризованных квантовых схем» (2023). arXiv: 2309.09342.
Arxiv: 2309.09342
[32] Сюйчен Ю и Сяоди Ву. «Экспоненциально много локальных минимумов в квантовых нейронных сетях». На Международной конференции по машинному обучению. Страницы 12144–12155. ПМЛР (2021).
[33] Эрик Р. Аншуец и Бобак Тусси Киани. «Квантовые вариационные алгоритмы переполнены ловушками». Природные коммуникации 13 (2022).
https://doi.org/10.1038/s41467-022-35364-5
[34] Илья О. Толстихин, Нил Хоулсби, Александр Колесников, Лукас Бейер, Сяохуа Чжай, Томас Унтертинер, Джессика Юнг, Дэниел Кейзерс, Якоб Ушкорейт, Марио Лючич и Алексей Досовицкий. «MLP-микшер: полностью MLP-архитектура для видения». В НейриПС. (2021).
[35] Цзяньчэн Ян, Руи Ши и Бинбин Ни. «Медицинская классификация десятиборья: легкий автоматический тест для анализа медицинских изображений» (2020).
https:///doi.org/10.1109/ISBI48211.2021.9434062
[36] Цзяньчэн Ян, Руй Ши, Дунлай Вэй, Цзэцюань Лю, Линь Чжао, Билиан Кэ, Ханспетер Пфистер и Бинбин Ни. «Medmnist v2 — крупномасштабный легкий тест для классификации 2D и 3D биомедицинских изображений». Научные данные 10, 41 (2023).
https://doi.org/10.1038/s41597-022-01721-8
[37] Ангелос Катаропулос, Апурв Вьяс, Николаос Паппас и Франсуа Флере. «Трансформеры — это рнс: быстрые авторегрессионные преобразователи с линейным вниманием». На Международной конференции по машинному обучению. Страницы 5156–5165. ПМЛР (2020).
[38] Джеймс Брэдбери, Рой Фростиг, Питер Хокинс, Мэттью Джеймс Джонсон, Крис Лири, Дугал Маклорен, Джордж Некула, Адам Пашке, Джейк ВандерПлас, Скай Вандерман-Милн и Цяо Чжан. «JAX: составные преобразования программ Python+NumPy». Гитхаб (2018). URL: http://github.com/google/jax.
http:///github.com/google/jax
[39] Дидерик П. Кингма и Джимми Ба. «Адам: метод стохастической оптимизации». CoRR абс/1412.6980 (2015).
[40] Хёну Но, Такгын Ю, Чонхван Мун и Бохён Хан. «Регуляризация глубоких нейронных сетей шумом: его интерпретация и оптимизация». Нейрипс (2017).
[41] Сюэ Ин. «Обзор переобучения и его решений». В журнале физики: серия конференций. Том 1168, стр. 022022. Издательство IOP (2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
Цитируется
[1] Дэвид Пераль Гарсиа, Хуан Крус-Бенито и Франсиско Хосе Гарсиа-Пеньальво, «Систематический обзор литературы: квантовое машинное обучение и его приложения», Arxiv: 2201.04093, (2022).
[2] Эль Амин Черрат, Снехал Радж, Иорданис Керенидис, Абхишек Шекхар, Бен Вуд, Джон Ди, Шуваник Чакрабарти, Ричард Чен, Дилан Херман, Шаохан Ху, Пьер Минссен, Руслан Шайдулин, Юэ Сун, Ромина Яловецки и Марко Пистойя, «Квантовое глубокое хеджирование», Квант 7, 1191 (2023).
[3] Лео Монбруссу, Йонас Ландман, Алекс Б. Грило, Ромен Кукла и Эльхам Кашефи, «Обучаемость и выразительность квантовых схем, сохраняющих вес Хэмминга, для машинного обучения», Arxiv: 2309.15547, (2023).
[4] Сохум Таккар, Скандер Каздагли, Натанш Матур, Иорданис Керенидис, Андре Дж. Феррейра-Мартинс и Самурай Брито, «Улучшенное финансовое прогнозирование с помощью квантового машинного обучения», Arxiv: 2306.12965, (2023).
[5] Джейсон Яконис и Соника Джохри, «Эффективная загрузка квантовых данных изображений на основе тензорной сети», Arxiv: 2310.05897, (2023).
[6] Нишант Джайн, Йонас Ландман, Натанш Матур и Иорданис Керенидис, «Квантовые сети Фурье для решения параметрических уравнений в частных уравнениях», Arxiv: 2306.15415, (2023).
[7] Даниэль Мастропьетро, Георгиос Корпас, Вячеслав Кунгурцев и Якуб Маречек, «Флеминг-Вио помогает ускорить вариационные квантовые алгоритмы при наличии бесплодных плато», Arxiv: 2311.18090, (2023).
[8] Ализа У. Сиддики, Кейтлин Гили и Крис Балланс, «Подчеркивание современного квантового оборудования: оценка производительности и понимание выполнения», Arxiv: 2401.13793, (2024).
Приведенные цитаты из САО / НАСА ADS (последнее обновление успешно 2024-02-22 13:37:43). Список может быть неполным, поскольку не все издатели предоставляют подходящие и полные данные о цитировании.
Не удалось получить Перекрестная ссылка на данные во время последней попытки 2024-02-22 13:37:41: Не удалось получить цитируемые данные для 10.22331 / q-2024-02-22-1265 от Crossref. Это нормально, если DOI был зарегистрирован недавно.
Эта статья опубликована в Quantum под Creative Commons Attribution 4.0 International (CC BY 4.0) лицензия. Авторское право остается за первоначальными правообладателями, такими как авторы или их учреждения.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://quantum-journal.org/papers/q-2024-02-22-1265/
- :является
- :нет
- ][п
- $UP
- 1
- 10
- 11
- 12
- 125
- 13
- 14
- 15%
- 16
- 17
- 19
- 20
- 2012
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 2024
- 22
- 23
- 24
- 25
- 26%
- 27
- 28
- 29
- 2D
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 3d
- 40
- 41
- 43
- 7
- 8
- 9
- 98
- a
- выше
- АБСТРАКТ НАЯ
- доступ
- ACM
- Адам
- Дополнительно
- авансы
- плюс
- Преимущества
- принадлежность
- AL
- Alex
- Alexander
- алгоритм
- алгоритмы
- выравнивать
- Все
- альтернатива
- an
- анализ
- и
- Эндрю
- Энтони
- API
- Применение
- Приложения
- архитектура
- архитектуры
- МЫ
- AS
- предположения
- At
- попытка
- внимание
- автор
- Авторы
- AutoML
- бесплодный
- основанный
- BE
- Бен
- эталонный тест
- тесты
- Вениамин
- Лучшая
- между
- двунаправленный
- биомедицинских
- Блоки
- изоферменты печени
- Ломать
- Строительство
- построенный
- by
- расчет
- Кембридж
- CAN
- возможности
- Карлос
- ча
- Чанг
- характеристика
- Чарльз
- чен
- СНО
- Крис
- классификация
- тесно
- комментарий
- Commons
- Связь
- сравненный
- конкурентоспособный
- полный
- комплекс
- сложность
- компонуемы
- Соединение
- вычисление
- компьютер
- компьютеры
- вычисление
- Конференция
- связь
- (CIJ)
- контроль
- авторское право
- может
- контрагент
- коллегами
- Создайте
- Дэниел
- данным
- Наборы данных
- Давид
- глубоко
- глубокое обучение
- демонстрировать
- предназначенный
- подробность
- обнаружение
- различный
- обсуждать
- Дональд
- в течение
- динамический
- Е & Т
- редакторы
- Эдвард
- эффективность
- эффективный
- el
- поощрение
- повышать
- Эриком
- оценка
- Даже
- выполнять
- выполнение
- экспонирование
- Эксперименты
- Больше
- простирающийся
- обширный
- БЫСТРО
- фев
- меньше
- в заключение
- финансовый
- фокусировка
- следует
- после
- Что касается
- Франциско
- от
- полностью
- ворота
- Юрий
- GitHub
- Гомес
- гарантии
- Аппаратные средства
- Гарвардский
- хеджирование
- помощь
- помогает
- держатели
- HTTP
- HTTPS
- Хуан
- Гибридный
- IEEE
- if
- Illia
- изображение
- Классификация изображений
- Распознавание изображений
- изображений
- в XNUMX году
- улучшенный
- in
- В том числе
- информация
- размышления
- учреждения
- Интеллекта
- интересный
- Мультиязычность
- интерпретация
- вводить
- ЕГО
- Джекоб
- Джеймс
- Джейми
- JavaScript
- отмычка
- John
- Джонсон
- джон
- Джонс
- журнал
- Джон
- Ким
- известный
- Кумар
- язык
- крупномасштабный
- Фамилия
- слой
- слоев
- изучение
- Оставлять
- подветренный
- уровни
- Используя
- Li
- Лицензия
- легкий
- такое как
- лин
- линейный
- Список
- литература
- загрузчик
- погрузка
- локальным
- Лондон
- машина
- обучение с помощью машины
- многих
- Марко
- марио
- Мартин
- математика
- матрица
- Мэтью
- Макс
- макс-ширина
- Максвелл
- Май..
- Макклин
- механизм
- основным медицинским
- памяти
- метод
- методы
- Майкл
- михаил
- мин
- модель
- Модели
- Модерн
- Месяц
- БОЛЕЕ
- натуральный
- Обработка естественного языка
- природа
- Возле
- Необходимость
- Сети
- сеть
- сетей
- нервный
- нейронной сети
- нейронные сети
- Новые
- Шум
- "обычные"
- роман
- номер
- полученный
- of
- on
- ONE
- открытый
- оптимизация
- or
- оригинал
- наши
- внешний
- за
- обзор
- страница
- страниц
- Пало-Альто
- бумага & картон
- параметры
- Париж
- Патрик
- шаблон
- Пол
- производительность
- выполнены
- Питер
- физический
- Физика
- пьер
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- сборах
- полосухин
- потенциал
- Включение питания
- Пракаш
- присутствие
- представить
- консервирование
- нажмите
- предыдущий
- Проблема
- обработка
- процессоры
- производит
- Программы
- многообещающий
- предлагает
- предложило
- обеспечивать
- опубликованный
- издатель
- Издатели
- Издательство
- Квантовый
- квантовые алгоритмы
- Квантовый компьютер
- квантовые компьютеры
- квантовые вычисления
- квантовая информация
- квантовое машинное обучение
- Кубит
- R
- RAMI
- соотношение
- недавно
- признание
- повторяющийся
- Рекомендации
- зарегистрированный
- остатки
- требовать
- Итоги
- обзоре
- Отзывы
- Ричард
- рок
- Ромен
- маршрутизация
- Рой
- Run
- время выполнения
- Райан
- s
- Шкала
- Наука
- Наука и технологии
- научный
- Скотт
- Шон
- Серии
- набор
- мелкий
- показал
- сигнал
- Саймон
- моделирование
- ШЕСТЬ
- Решения
- Решение
- некоторые
- Спектр
- речь
- скорость
- стандарт
- современное состояние
- Области
- Кабинет
- Успешно
- такие
- подходящее
- Вс
- сверхпроводящий
- Опрос
- системы
- задачи
- Тей
- Технологии
- срок
- terms
- текст
- Классификация текста
- который
- Ассоциация
- их
- теоретический
- теория
- Эти
- они
- этой
- Томас
- три
- Тим
- время
- раз
- Название
- в
- специалистов
- Обучение
- Сделки
- преобразований
- трансформатор
- трансформеры
- переведите
- Переводы
- ловушке
- ловушки
- два
- Типы
- под
- понимание
- унифицированный
- созданного
- Университет
- обновление
- на
- URL
- США
- использования
- через
- меняться
- Различная
- автомобиль
- очень
- с помощью
- видение
- объем
- W
- Ван
- хотеть
- законопроект
- we
- ЧТО Ж
- который
- дерево
- слова
- Работа
- стоимость
- wu
- сяо
- год
- Уступать
- YING
- Ты
- юань
- зефирнет
- Чжао