1QC Ware, Palo Alto, USA och Paris, Frankrike
2IRIF, CNRS – University of Paris, Frankrike
3Indian Institute of Technology Roorkee, Indien
4F. Hoffmann La Roche AG
Hitta det här uppsatsen intressant eller vill diskutera? Scite eller lämna en kommentar på SciRate.
Abstrakt
Teknik för kvantmaskininlärning har föreslagits som ett sätt att potentiellt förbättra prestanda i maskininlärningsapplikationer.
I detta dokument introducerar vi två nya kvantmetoder för neurala nätverk. Den första är ett kvantortogonalt neuralt nätverk, som är baserat på en kvantpyramidkrets som byggstenen för att implementera ortogonal matrismultiplikation. Vi tillhandahåller ett effektivt sätt att träna sådana ortogonala neurala nätverk; nya algoritmer är detaljerade för både klassisk och kvanthårdvara, där båda har visat sig skala asymptotiskt bättre än tidigare kända träningsalgoritmer.
Den andra metoden är kvantassisterade neurala nätverk, där en kvantdator används för att utföra inre produktuppskattning för slutledning och träning av klassiska neurala nätverk.
Vi presenterar sedan omfattande experiment som tillämpas på medicinska bildklassificeringsuppgifter med aktuell kvanthårdvara, där vi jämför olika kvantmetoder med klassiska, på både verklig kvanthårdvara och simulatorer. Våra resultat visar att kvantnät och klassiska neurala nätverk genererar liknande nivå av noggrannhet, vilket stöder löftet om att kvantmetoder kan vara användbara för att lösa visuella uppgifter, med tanke på tillkomsten av bättre kvanthårdvara.
► BibTeX-data
► Referenser
[1] Aram W Harrow, Avinatan Hassidim och Seth Lloyd. "Kvantalgoritm för linjära ekvationssystem". Physical review letters 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[2] Seth Lloyd, Masoud Mohseni och Patrick Rebentrost. "Kvantalgoritmer för övervakad och oövervakad maskininlärning" (2013).
[3] Seth Lloyd, Masoud Mohseni och Patrick Rebentrost. "Quantum principal komponentanalys". Nature Physics 10, 631–633 (2014).
https: / / doi.org/ 10.1038 / nphys3029
[4] Iordanis Kerenidis och Anupam Prakash. "Quantum rekommendationssystem". 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 och Anupam Prakash. "q-means: En kvantalgoritm för oövervakad maskininlärning". In Advances in Neural Information Processing Systems 32. Sidorna 4136–4146. Curran Associates, Inc. (2019). url:.
arXiv: 1812.03584
[6] Seth Lloyd, Silvano Garnerone och Paolo Zanardi. "Kvantalgoritmer för topologisk och geometrisk analys av data". Naturkommunikationer 7, 1–7 (2016). URL: doi.org/10.1038/ncomms10138.
https: / / doi.org/ 10.1038 / ncomms10138
[7] Edward Farhi och Hartmut Neven. "Klassificering med kvantneurala nätverk på korttidsprocessorer" (2018). URL: doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
[8] I Kerenidis, J Landman och A Prakash. "Kvantumalgoritmer för djupa konvolutionella neurala nätverk". ÅTTONDE INTERNATIONELLA KONFERENSEN OM LÄRANDEREPRESENTATIONER ICLR (2019).
https:///doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis och S Zhang. "Kvantalgoritmer för framkopplade neurala nätverk". ACM Transactions on Quantum Computing 1 (1), 1-24 (2020).
https: / / doi.org/ 10.1145 / 3411466
[10] Iris Cong, Soonwon Choi och Mikhail D. Lukin. "Quantum konvolutionella neurala nätverk". Nature Physics 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Hector Ivan Garcıa-Hernandez, Raymundo Torres-Ruiz och Guo-Hua Sun. "Bildklassificering via kvantmaskininlärning" (2020). URL: doi.org/10.48550/arXiv.2011.02831.
https:///doi.org/10.48550/arXiv.2011.02831
[12] Saurabh Kumar, Siddharth Dangwal och Debanjan Bhowmik. "Övervakat lärande med hjälp av ett dressat kvantnätverk med "superkomprimerad kodning": Algoritm och kvanthårdvarubaserad implementering" (2020). URL: doi.org/10.48550/arXiv.2007.10242.
https:///doi.org/10.48550/arXiv.2007.10242
[13] Kouhei Nakaji och Naoki Yamamoto. "Quantum semi-övervakat generativt kontradiktoriskt nätverk för förbättrad dataklassificering" (2020). URL: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] William Cappelletti, Rebecca Erbanni och Joaquín Keller. "Polyadisk kvantklassificerare" (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 och Jay M. Gambetta. "Övervakat lärande med kvantförstärkta funktionsutrymmen" (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 och Simone Severini. "Hierarkiska kvantklassificerare" (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 och Seth Lloyd. "Quantum Medical Imaging Algoritms" (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. "Variationella kvantalgoritmer" (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. "Brusiga kvantalgoritmer i mellanskala". 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 och Paula Brito. "Långt bortom de klassiska datamodellerna: symbolisk dataanalys". Statistisk analys och datautvinning: 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 och José I Latorre. "Återuppladdning av data för en universell kvantklassificerare". 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 och Keisuke Fujii. "Kvantumkretslärande". Fysisk granskning A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[23] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac och Nathan Killoran. "Utvärdering av analytiska gradienter på kvanthårdvara". Physical Review A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[24] Maria Schuld och Francesco Petruccione. "Kvantmodeller som kärnmetoder". I maskininlärning med kvantdatorer. Sidorna 217–245. Springer (2021).
[25] Maria Schuld, Ryan Sweke och Johannes Jakob Meyer. "Effekt av datakodning på uttryckskraften hos variationsmodeller för kvantmaskininlärning". Physical Review A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[26] Iris Cong, Soonwon Choi och Mikhail D Lukin. "Quantum konvolutionella neurala nätverk". Nature Physics 15, 1273–1278 (2019).
[27] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush och Hartmut Neven. "Kurga platåer i träningslandskap för kvantneurala nätverk". Naturkommunikationer 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 och Nathan Wiebe. "Intrassling-inducerade karga platåer". 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 och Patrick J Coles. "Kostnadsfunktionsberoende karga platåer i grunda parametriserade kvantkretsar". Naturkommunikationer 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 och Patrick J Coles. "Träningsförmåga av dissipativa perceptronbaserade kvantneurala nätverk". 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 och I Kerenidis. "Närmaste tyngdpunktsklassificering på en fångade jonkvantdator" (2021).
[32] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu och Dacheng Tao. "Ortogonala djupa neurala nätverk". IEEE-transaktioner om mönsteranalys och maskinintelligens (2019).
https: / / doi.org/ 10.1109 / TPAMI.2019.2948352
[33] Jiayun Wang, Yubei Chen, Rudrasis Chakraborty och Stella X Yu. "Ortogonala konvolutionella neurala nätverk". I Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Sidorna 11505–11515. (2020).
https:///doi.org/10.1109/CVPR42600.2020.01152
[34] Nitin Bansal, Xiaohan Chen och Zhangyang Wang. "Kan vi tjäna mer på ortogonalitetsregulariseringar när vi tränar djupa nätverk?". Advances in Neural Information Processing Systems 31 (2018).
https: / / doi.org/ 10.5555 / 3327144.3327339
[35] Xiaohua Zhai, Alexander Kolesnikov, Neil Houlsby och Lucas Beyer. "Scaling vision transformers" (2021).
[36] Iordanis Kerenidis och Anupam Prakash. "Quantum machine learning with subspace states" (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 och José I. Latorre. "Quantum unary approach to options prising" (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 och Yunseong Nam. "Effektiv godtycklig samtidigt intrasslande grindar på en fångade-jon kvantdator". Nat Commun, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] Alexander Zlokapa, Hartmut Neven och Seth Lloyd. "En kvantalgoritm för att träna breda och djupa klassiska neurala nätverk" (2021). URL: doi.org/10.48550/arXiv.2107.09200.
https:///doi.org/10.48550/arXiv.2107.09200
[40] Mario Lezcano-Casado och David Martınez-Rubio. "Billiga ortogonala begränsningar i neurala nätverk: En enkel parametrisering av den ortogonala och enhetliga gruppen". I internationell konferens om maskininlärning. Sidorna 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 och Shimon Schocken. "Flerlagers feedforward-nätverk med en icke-polynomisk aktiveringsfunktion kan approximera vilken funktion som helst". Neural networks 6, 861–867 (1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] Robert Hecht-Nielsen. "Teori om det neurala nätverket för bakåtpropagation". I neurala nätverk för perception. Sidorna 65–93. Elsevier (1992).
https:///doi.org/10.1109/IJCNN.1989.118638
[43] Raul Rojas. "Algorithmen för återförökning". I neurala nätverk. Sidorna 149–182. Springer (1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] Jiancheng Yang, Rui Shi och Bingbing Ni. "Medmnist classification decathlon: A lightweight automl benchmark for medicinsk bildanalys" (2020).
https:///doi.org/10.1109/ISBI48211.2021.9434062
[45] Daniel S. Kermany, Michael Goldbaum och et al. "Identifiera medicinska diagnoser och behandlingsbara sjukdomar genom bildbaserad djupinlärning". Cell, vol. 172, nr. 5, s. 1122 – 1131.e9, (2018).
https:///doi.org/10.1016/j.cell.2018.02.010
[46] Ping Zhang och Bin Sheng. "Deepdr diabetisk retinopati bilduppsättning (deepdrid), "den andra diabetiska retinopatin – utmaningen för gradering och bildkvalitetsuppskattning"". https:///isbi.deepdr.org/data.html (2).
https:///isbi.deepdr.org/data.html~
[47] Hyeonwoo Noh, Tackgeun You, Jonghwan Mun och Bohyung Han. "Regulering av djupa neurala nätverk med brus: dess tolkning och optimering". NeurIPS (2017).
https: / / doi.org/ 10.5555 / 3295222.3295264
[48] Xue Ying. "En översikt över övermontering och dess lösningar". I Journal of physics: Conference series. Volym 1168, sid 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 och Yun Yvonna Li. "Quantum vision transformers" (2022).
[50] Scott Aaronson. "Läs det finstilta". Nature Physics 11, 291–293 (2015).
https: / / doi.org/ 10.1038 / nphys3272
[51] Michael A. Nielsen. "Neurala nätverk och djupt lärande". Determination Press (2015).
Citerad av
Detta papper publiceras i Quantum under Creative Commons Attribution 4.0 International (CC BY 4.0) licens. Upphovsrätten kvarstår med de ursprungliga upphovsrättsinnehavarna som författarna eller deras institutioner.
