1QC Ware, Пало-Альто, США и Париж, Франция
2IRIF, CNRS – Парижский университет, Франция
3Индийский технологический институт Рурки, Индия
4Ф. Хоффманн Ла Рош АГ
Находите эту статью интересной или хотите обсудить? Scite или оставить комментарий на SciRate.
Абстрактные
Методы квантового машинного обучения были предложены как способ потенциального повышения производительности приложений машинного обучения.
В этой статье мы вводим два новых квантовых метода для нейронных сетей. Первая — это квантовая ортогональная нейронная сеть, основанная на квантовой пирамидальной схеме в качестве строительного блока для реализации ортогонального матричного умножения. Мы предоставляем эффективный способ обучения таких ортогональных нейронных сетей; новые алгоритмы детализированы как для классического, так и для квантового оборудования, где доказано, что оба они асимптотически лучше масштабируются, чем ранее известные алгоритмы обучения.
Второй метод — нейронные сети с квантовой поддержкой, где квантовый компьютер используется для оценки внутреннего продукта для логического вывода и обучения классических нейронных сетей.
Затем мы представляем обширные эксперименты, примененные к задачам классификации медицинских изображений с использованием современного квантового оборудования, где мы сравниваем различные квантовые методы с классическими как на реальном квантовом оборудовании, так и на симуляторах. Наши результаты показывают, что квантовые и классические нейронные сети обеспечивают одинаковый уровень точности, что подтверждает предположение о том, что квантовые методы могут быть полезны при решении визуальных задач, учитывая появление более совершенного квантового оборудования.
► Данные BibTeX
► Рекомендации
[1] Арам В. Харроу, Авинатан Хасидим и Сет Ллойд. «Квантовый алгоритм для линейных систем уравнений». Письма о физическом обзоре 103, 150502 (2009 г.).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[2] Сет Ллойд, Масуд Мохсени и Патрик Ребентрост. «Квантовые алгоритмы машинного обучения с учителем и без учителя» (2013).
[3] Сет Ллойд, Масуд Мохсени и Патрик Ребентрост. «Квантовый анализ главных компонент». Физика природы 10, 631–633 (2014).
https: / / doi.org/ 10.1038 / nphys3029
[4] Иорданис Керенидис и Анупам Пракаш. «Квантовые рекомендательные системы». 8-я конференция «Инновации в теоретической информатике» (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] Иорданис Керенидис, Джонас Ландман, Алессандро Луонго и Анупам Пракаш. «q-means: квантовый алгоритм для машинного обучения без учителя». Достижения в области нейронных систем обработки информации 32. Страницы 4136–4146. Карран Ассошиэйтс, Инк. (2019). URL:.
Arxiv: 1812.03584
[6] Сет Ллойд, Сильвано Гарнероне и Паоло Дзанарди. «Квантовые алгоритмы топологического и геометрического анализа данных». Связи с природой 7, 1–7 (2016). URL: doi.org/10.1038/ncomms10138.
https: / / doi.org/ 10.1038 / ncomms10138
[7] 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
[8] Я Керенидис, Дж. Ландман и А. Пракаш. «Квантовые алгоритмы для глубоких сверточных нейронных сетей». ВОСЬМАЯ МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ ПО УЧЕБНЫМ ПРЕДСТАВИТЕЛЬСТВАМ ICLR (2019).
https:///doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis и S Zhang. «Квантовые алгоритмы для нейронных сетей с прямой связью». Транзакции ACM по квантовым вычислениям 1 (1), 1-24 (2020).
https: / / doi.org/ 10.1145 / 3411466
[10] Ирис Конг, Сунвон Чой и Михаил Д. Лукин. «Квантовые сверточные нейронные сети». Физика природы 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Гектор Иван Гарсия-Эрнандес, Раймундо Торрес-Руис и Го-Хуа Сун. «Классификация изображений с помощью квантового машинного обучения» (2020). URL: doi.org/10.48550/arXiv.2011.02831.
https:///doi.org/10.48550/arXiv.2011.02831
[12] Саурабх Кумар, Сиддхарт Дангвал и Дебанджан Бховмик. «Обучение с учителем с использованием одетой квантовой сети с «суперсжатым кодированием»: алгоритм и квантово-аппаратная реализация» (2020). URL: doi.org/10.48550/arXiv.2007.10242.
https:///doi.org/10.48550/arXiv.2007.10242
[13] Кохей Накадзи и Наоки Ямамото. «Квантовая полууправляемая генеративно-состязательная сеть для улучшенной классификации данных» (2020). URL: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] Уильям Каппеллетти, Ребекка Эрбанни и Хоакин Келлер. «Полиадный квантовый классификатор» (2020). URL: doi.org/10.48550/arXiv.2007.14044.
https:///doi.org/10.48550/arXiv.2007.14044
[15] Войтех Хавличек, Антонио Д. Корколес, Кристан Темме, Арам В. Харроу, Абхинав Кандала, Джерри М. Чоу и Джей М. Гамбетта. «Контролируемое обучение с квантовыми пространствами расширенных функций» (2018). URL: doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2
[16] Эдвард Грант, Марчелло Бенедетти, Шусян Цао, Эндрю Халлам, Джошуа Локхарт, Вид Стоевич, Эндрю Г. Грин и Симона Северини. «Иерархические квантовые классификаторы» (2018). URL: doi.org/10.1038/s41534-018-0116-9.
https://doi.org/10.1038/s41534-018-0116-9
[17] Бобак Тусси Киани, Агнес Вилланьи и Сет Ллойд. «Алгоритмы квантовой медицинской визуализации» (2020). URL: doi.org/10.48550/arXiv.2004.02036.
https:///doi.org/10.48550/arXiv.2004.02036
[18] 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» (2020). URL: doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[19] 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). URL: doi.org/10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[20] Моник Нуаром-Фрайтур и Паула Брито. «Далеко за пределами классических моделей данных: символьный анализ данных». Статистический анализ и интеллектуальный анализ данных: журнал ASA Data Science Journal 4, 157–170 (2011). URL: doi.org/10.1002/sam.10112.
https:///doi.org/10.1002/sam.10112
[21] Адриан Перес-Салинас, Альба Сервера-Лиерта, Элиес Хиль-Фустер и Хосе И Латорре. «Перезагрузка данных для универсального квантового классификатора». Квант 4, 226 (2020). URL: doi.org/10.22331/q-2020-02-06-226.
https://doi.org/10.22331/q-2020-02-06-226
[22] 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
[23] Мария Шульд, Вилле Бергхольм, Кристиан Гоголин, Джош Исаак и Натан Киллоран. «Оценка аналитических градиентов на квантовом оборудовании». Физический обзор A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[24] Мария Шульд и Франческо Петруччионе. «Квантовые модели как ядерные методы». В машинном обучении с квантовыми компьютерами. Страницы 217–245. Спрингер (2021).
[25] Мария Шульд, Райан Свеке и Йоханнес Якоб Мейер. «Влияние кодирования данных на выразительную силу вариационных моделей квантового машинного обучения». Физический обзор A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[26] Ирис Конг, Сунвон Чой и Михаил Д. Лукин. «Квантовые сверточные нейронные сети». Nature Physics 15, 1273–1278 (2019).
[27] Джаррод Р. МакКлин, Серхио Бойшо, Вадим Н. Смелянский, Райан Баббуш и Хартмут Невен. «Бесплодные плато в ландшафтах обучения квантовых нейронных сетей». Связи с природой 9, 1–6 (2018). URL: doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4
[28] Карлос Ортис Марреро, Мария Киферова и Натан Вибе. «Бесплодные плато, вызванные запутыванием». PRX Quantum 2, 040316 (2021). URL: doi.org/10.1103/PRXQuantum.2.040316.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[29] Марко Сересо, Акира Соне, Тайлер Волкофф, Лукаш Синчио и Патрик Джей Коулз. «Плоские плато, зависящие от функции стоимости, в неглубоких параметризованных квантовых схемах». Связи с природой 12, 1–12 (2021). URL: doi.org/10.1038/s41467-021-21728-w.
HTTPS: / / doi.org/ 10.1038 / s41467-021-21728-ш
[30] Кунал Шарма, Марко Сересо, Лукаш Синчио и Патрик Джей Коулз. «Обучаемость квантовых нейронных сетей на основе диссипативных персептронов». Письма о физическом обзоре 128, 180505 (2022). URL: doi.org/10.1103/PhysRevLett.128.180505.
https: / / doi.org/ 10.1103 / PhysRevLett.128.180505
[31] С. Джохри, С. Дебнат, А. Мочерла, А. Сингх, А. Пракаш, Дж. Ким и И. Керенидис. «Классификация ближайших центроидов на квантовом компьютере с захваченными ионами» (2021).
[32] 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
[33] Цзяюн Ван, Юбэй Чен, Рудрасис Чакраборти и Стелла X Ю. «Ортогональные сверточные нейронные сети». В материалах конференции IEEE/CVF по компьютерному зрению и распознаванию образов. Страницы 11505–11515. (2020).
https:///doi.org/10.1109/CVPR42600.2020.01152
[34] Нитин Бансал, Сяохан Чен и Чжанъян Ван. «Можем ли мы получить больше от регуляризации ортогональности при обучении глубоких сетей?». Достижения в области систем обработки нейронной информации 31 (2018).
https: / / doi.org/ 10.5555 / 3327144.3327339
[35] Сяохуа Чжай, Александр Колесников, Нил Хоулсби и Лукас Бейер. «Масштабные преобразователи видения» (2021).
[36] Иорданис Керенидис и Анупам Пракаш. «Квантовое машинное обучение с подпространственными состояниями» (2022). URL: doi.org/10.48550/arXiv.2202.00054.
https:///doi.org/10.48550/arXiv.2202.00054
[37] Серхи Рамос-Кальдерер, Адриан Перес-Салинас, Диего Гарсия-Мартин, Карлос Браво-Прието, Хорхе Кортада, Хорди Планагума и Хосе И. Латорре. «Квантовый унарный подход к ценообразованию опционов» (2019).
https: / / doi.org/ 10.1103 / PhysRevA.103.032414
[38] Никодем Гжесяк, Райнхольд Блюмель, Кеннет Райт, Кристин М. Бек, Нил С. Писенти, Минг Ли, Вандивер Чаплин, Джейсон М. Амини, Шантану Дебнат, Джво-Си Чен и Юнсон Нам. «Эффективные произвольные одновременно запутывающие вентили на квантовом компьютере с захваченными ионами». Нац коммуна, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] Александр Злокапа, Хартмут Невен и Сет Ллойд. «Квантовый алгоритм для обучения широких и глубоких классических нейронных сетей» (2021). URL: doi.org/10.48550/arXiv.2107.09200.
https:///doi.org/10.48550/arXiv.2107.09200
[40] Марио Лескано-Касадо и Давид Мартинес-Рубио. «Дешёвые ортогональные ограничения в нейронных сетях: простая параметризация ортогональной и унитарной группы». На международной конференции по машинному обучению. Страницы 3794–3803. ПМЛР (2019). URL: doi.org/10.48550/arXiv.1901.08428.
https:///doi.org/10.48550/arXiv.1901.08428
[41] Моше Лешно, Владимир Я Лин, Аллан Пинкус и Шимон Шокен. «Многослойные сети прямого распространения с неполиномиальной функцией активации могут аппроксимировать любую функцию». Нейронные сети 6, 861–867 (1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] Роберт Хехт-Нильсен. «Теория нейронной сети обратного распространения». В нейронных сетях для восприятия. Страницы 65–93. Эльзевир (1992).
https:///doi.org/10.1109/IJCNN.1989.118638
[43] Рауль Рохас. «Алгоритм обратного распространения». В Нейронных сетях. Страницы 149–182. Спрингер (1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] 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
[45] Дэниел С. Кермани, Майкл Голдбаум и др. «Выявление медицинских диагнозов и излечимых заболеваний с помощью глубокого обучения на основе изображений». Сотовый, том. 172, нет. 5, стр. 1122 – 1131.e9, (2018).
https:///doi.org/10.1016/j.cell.2018.02.010
[46] Пин Чжан и Бинь Шэн. «Набор данных изображений диабетической ретинопатии Deepdr (deepdrid), «2-я диабетическая ретинопатия - задача классификации и оценки качества изображения»». https:///isbi.deepdr.org/data.html (2020 г.).
https:///isbi.deepdr.org/data.html~
[47] Хёну Но, Такгын Ю, Чонхван Мун и Бохён Хан. «Регуляризация глубоких нейронных сетей шумом: его интерпретация и оптимизация». Нейрипс (2017).
https: / / doi.org/ 10.5555 / 3295222.3295264
[48] Сюэ Ин. «Обзор переобучения и его решений». В журнале физики: Серия конференций. Том 1168, страница 022022. Издательство IOP (2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
[49] Эль Амин Черрат, Иорданис Керенидис, Натанш Матур, Йонас Ландман, Мартин Страм и Юн Ивонна Ли. «Квантовые преобразователи зрения» (2022).
[50] Скотт Ааронсон. «Читай мелкий шрифт». Физика природы 11, 291–293 (2015).
https: / / doi.org/ 10.1038 / nphys3272
[51] Майкл А. Нильсен. «Нейронные сети и глубокое обучение». Решимость Пресс (2015).
Цитируется
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.
