1QC Ware, Пало-Альто, США та Париж, Франція
2IRIF, CNRS – Паризький університет, Франція
3Індійський технологічний інститут Руркі, Індія
4F. Hoffmann La Roche AG
Вам цей документ цікавий чи ви хочете обговорити? Скайте або залиште коментар на SciRate.
абстрактний
Методи квантового машинного навчання були запропоновані як спосіб потенційного підвищення продуктивності програм машинного навчання.
У цій статті ми представляємо два нові квантові методи для нейронних мереж. Перший — це квантова ортогональна нейронна мережа, яка базується на квантовій пірамідальній схемі як будівельному блоку для реалізації ортогонального множення матриць. Ми пропонуємо ефективний спосіб навчання таких ортогональних нейронних мереж; нові алгоритми детально описуються як для класичного, так і для квантового апаратного забезпечення, де доведено, що обидва асимптотично масштабуються краще, ніж раніше відомі алгоритми навчання.
Другий метод — це нейронні мережі з квантовою підтримкою, де квантовий комп’ютер використовується для виконання оцінки внутрішнього продукту для висновку та навчання класичних нейронних мереж.
Потім ми представляємо обширні експерименти, застосовані до задач класифікації медичних зображень, використовуючи сучасне квантове обладнання, де ми порівнюємо різні квантові методи з класичними як на реальному квантовому обладнанні, так і на симуляторах. Наші результати показують, що квантові та класичні нейронні мережі генерують подібний рівень точності, підтверджуючи обіцянку, що квантові методи можуть бути корисними для вирішення візуальних завдань, враховуючи появу кращого квантового обладнання.
► Дані BibTeX
► Список літератури
[1] Арам В. Харроу, Авінатан Хасидім і Сет Ллойд. “Квантовий алгоритм для лінійних систем рівнянь”. Фізичні оглядові листи 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
[2] Сет Ллойд, Масуд Мохсені та Патрік Ребентрост. «Квантові алгоритми для контрольованого та неконтрольованого машинного навчання» (2013).
[3] Сет Ллойд, Масуд Мохсені та Патрік Ребентрост. “Аналіз квантових головних компонент”. Nature Physics 10, 631–633 (2014).
https:///doi.org/10.1038/nphys3029
[4] Іорданіс Керенідіс і Анупам Пракаш. «Квантові рекомендаційні системи». 8-а конференція Innovations in Theoretical Computer Science (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] Іорданіс Керенідіс, Йонас Ландман, Алессандро Луонго та Анупам Пракаш. «q-means: квантовий алгоритм для неконтрольованого машинного навчання». Досягнення нейронних систем обробки інформації 32. Сторінки 4136–4146. Curran Associates, Inc. (2019). url:.
arXiv: 1812.03584
[6] Сет Ллойд, Сільвано Гарнероне та Паоло Занарді. “Квантові алгоритми для топологічного та геометричного аналізу даних”. Nature Communications 7, 1–7 (2016). url: doi.org/10.1038/ncomms10138.
https: / / doi.org/ 10.1038 / ncomms10138
[7] Едвард Фархі та Хартмут Невен. «Класифікація з квантовими нейронними мережами на процесорах з ближчими термінами» (2018). url: doi.org/10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
[8] І Керенідіс, Дж. Ландман і А. Пракаш. “Квантові алгоритми для глибоких згорткових нейронних мереж”. ВОСМА МІЖНАРОДНА КОНФЕРЕНЦІЯ З НАВЧАЛЬНИХ РЕПРЕЗЕНТАЦІЙ ICLR (2019).
https:///doi.org/10.48550/arXiv.1911.01117
[9] J Allcock, CY Hsieh, I Kerenidis і S Zhang. “Квантові алгоритми для прямої нейронної мережі”. ACM Transactions on Quantum Computing 1 (1), 1-24 (2020).
https: / / doi.org/ 10.1145 / 3411466
[10] Айріс Конг, Сунвон Чой та Михайло Д. Лукін. «Квантові згорточні нейронні мережі». Фізика природи 15 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[11] Гектор Іван Гарсія-Ернандес, Раймундо Торрес-Руїс і Гуо-Хуа Сун. «Класифікація зображень за допомогою квантового машинного навчання» (2020). url: doi.org/10.48550/arXiv.2011.02831.
https:///doi.org/10.48550/arXiv.2011.02831
[12] Саурабх Кумар, Сіддхарт Дангвал і Дебанджан Бхоумік. «Контрольоване навчання з використанням одягненої квантової мережі з «надстиснутим кодуванням»: алгоритм і реалізація на основі квантового апаратного забезпечення» (2020). url: doi.org/10.48550/arXiv.2007.10242.
https:///doi.org/10.48550/arXiv.2007.10242
[13] Коухей Накаджі та Наокі Ямамото. «Квантова напівконтрольована генеративна змагальна мережа для вдосконаленої класифікації даних» (2020). url: doi.org/10.1038/s41598-021-98933-6.
https://doi.org/10.1038/s41598-021-98933-6
[14] Вільям Каппеллетті, Ребекка Ербанні та Хоакін Келлер. «Поліадичний квантовий класифікатор» (2020). url: doi.org/10.48550/arXiv.2007.14044.
https:///doi.org/10.48550/arXiv.2007.14044
[15] Войтех Хавлічек, Антоніо Д. Корколес, Крістан Темме, Арам В. Харроу, Абхінав Кандала, Джеррі М. Чоу та Джей М. Гамбетта. «Контрольоване навчання з квантово розширеними просторами функцій» (2018). url: doi.org/10.1038/s41586-019-0980-2.
https://doi.org/10.1038/s41586-019-0980-2
[16] Едвард Грант, Марчелло Бенедетті, Шусян Цао, Ендрю Галлам, Джошуа Локхарт, Від Стоєвіч, Ендрю Г. Грін і Сімоне Северіні. «Ієрархічні квантові класифікатори» (2018). url: doi.org/10.1038/s41534-018-0116-9.
https://doi.org/10.1038/s41534-018-0116-9
[17] Бобак Туссі Кіані, Агнес Віллані та Сет Ллойд. «Алгоритми квантової медичної візуалізації» (2020). url: doi.org/10.48550/arXiv.2004.02036.
https:///doi.org/10.48550/arXiv.2004.02036
[18] Марко Серезо, Ендрю Аррасміт, Раян Беббуш, Саймон С. Бенджамін, Сугуру Ендо, Кейсуке Фуджі, Джаррод Р. Макклін, Косуке Мітараі, Сяо Юань, Лукаш Сінчіо та ін. «Варіаційні квантові алгоритми» (2020). url: doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[19] Кішор Бхарті, Альба Сервера-Ліерта, Ті Ха Кьяу, Тобіас Хауг, Самнер Альперін-Леа, Абхінав Ананд, Маттіас Дегрооте, Германні Хеймонен, Якоб С. Коттманн, Тім Менке та ін. «Шумні квантові алгоритми середнього масштабу». Огляди сучасної фізики 94, 015004 (2022). url: doi.org/10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[20] Монік Нуархомм-Фрайтюр і Паула Бріто. «Далеко за межі класичних моделей даних: символічний аналіз даних». Статистичний аналіз та інтелектуальний аналіз даних: науковий журнал ASA Data Science Journal 4, 157–170 (2011). url: doi.org/10.1002/sam.10112.
https:///doi.org/10.1002/sam.10112
[21] Адріан Перес-Салінас, Альба Сервера-Ліерта, Еліс Гіл-Фустер і Хосе I Латорре. «Повторне завантаження даних для універсального квантового класифікатора». 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 Мітараї, Макото Негоро, Масахіро Кітаґава та Кейсуке Фуджі. «Навчання квантових схем». Physical Review A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[23] Марія Шульд, Вілле Бергхольм, Крістіан Гоголін, Джош Ізаак і Натан Кіллоран. «Оцінка аналітичних градієнтів на квантовому обладнанні». Physical Review A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[24] Марія Шульд і Франческо Петруччоне. “Квантові моделі як методи ядра”. У машинному навчанні з квантовими комп’ютерами. Сторінки 217–245. Springer (2021).
[25] Марія Шульд, Райан Свеке та Йоганнес Якоб Майєр. «Вплив кодування даних на виражальну силу варіаційних моделей квантово-машинного навчання». Physical Review A 103, 032430 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.032430
[26] Айріс Конг, Сунвон Чой та Михайло Лукін. «Квантові згорточні нейронні мережі». Nature Physics 15, 1273–1278 (2019).
[27] Джаррод Р. Макклін, Серхіо Бойшо, Вадим Н. Смілянський, Раян Беббуш і Хартмут Невен. «Безплідні плато в ландшафтах навчання квантової нейронної мережі». 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] Карлос Ортіс Марреро, Марія Кіферова та Натан Вібе. «Безплідні плато, викликані заплутаністю». PRX Quantum 2, 040316 (2021). url: doi.org/10.1103/PRXQuantum.2.040316.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[29] Марко Серезо, Акіра Соне, Тайлер Волкофф, Лукаш Сінчіо та Патрік Джей Коулз. «Залежні від функції вартості безплідні плато в неглибоких параметризованих квантових ланцюгах». 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] Кунал Шарма, Марко Серезо, Лукаш Сінчіо та Патрік Джей Коулз. «Можливість навчання дисипативних квантових нейронних мереж на основі персептрона». Physical Review Letters 128, 180505 (2022). url: doi.org/10.1103/PhysRevLett.128.180505.
https: / / doi.org/ 10.1103 / PhysRevLett.128.180505
[31] С Джорі, С Дебнат, А Мочерла, А Сінгх, А Пракаш, Дж Кім та І Керенідіс. «Класифікація найближчого центроїда на квантовому комп’ютері захоплених іонів» (2021).
[32] Куй Цзя, Шуай Лі, Юйсін Вень, Тунлян Лю та Дачен Тао. “Ортогональні глибокі нейронні мережі”. Транзакції IEEE щодо аналізу шаблонів і машинного інтелекту (2019).
https:///doi.org/10.1109/TPAMI.2019.2948352
[33] Цзяюнь Ван, Юбей Чен, Рудрасіс Чакраборті та Стелла Х Ю. “Ортогональні згорточні нейронні мережі”. У матеріалах конференції IEEE/CVF з комп’ютерного зору та розпізнавання образів. Сторінки 11505–11515. (2020).
https:///doi.org/10.1109/CVPR42600.2020.01152
[34] Нітін Бансал, Сяохан Чен і Чжан'ян Ван. «Чи можемо ми отримати більше від регулярізації ортогональності при навчанні глибоких мереж?» Досягнення в нейронних системах обробки інформації 31 (2018).
https: / / doi.org/ 10.5555 / 3327144.3327339
[35] Сяохуа Чжай, Олександр Колесніков, Ніл Хоулсбі та Лукас Бейєр. «Трансформери масштабування зору» (2021).
[36] Іорданіс Керенідіс і Анупам Пракаш. «Квантове машинне навчання з підпросторовими станами» (2022). url: doi.org/10.48550/arXiv.2202.00054.
https:///doi.org/10.48550/arXiv.2202.00054
[37] Серхі Рамос-Калдерер, Адріан Перес-Салінас, Дієго Гарсія-Мартін, Карлос Браво-Пріето, Хорхе Кортада, Хорді Планагума та Хосе І. Латорре. «Квантовий унарний підхід до ціноутворення опціонів» (2019).
https: / / doi.org/ 10.1103 / PhysRevA.103.032414
[38] Нікодем Гжесяк, Рейнхольд Блюмель, Кеннет Райт, Крістін М. Бек, Ніл С. Пізенті, Мін Лі, Вандайвер Чаплін, Джейсон М. Аміні, Шантану Дебнат, Джво-Си Чен і Юнсон Нам. «Ефективне довільне одночасне заплутування воріт на квантовому комп’ютері з захопленими іонами». Nat Commun, 11 (2020).
https://doi.org/10.1038/s41467-020-16790-9
[39] Олександр Злокапа, Хартмут Невен і Сет Ллойд. «Квантовий алгоритм для навчання широких і глибоких класичних нейронних мереж» (2021). url: doi.org/10.48550/arXiv.2107.09200.
https:///doi.org/10.48550/arXiv.2107.09200
[40] Маріо Лескано-Касадо та Давид Мартинес-Рубіо. “Дешеві ортогональні обмеження в нейронних мережах: проста параметризація ортогональної та унітарної групи”. На міжнародній конференції з машинного навчання. Сторінки 3794–3803. PMLR (2019). url: doi.org/10.48550/arXiv.1901.08428.
https:///doi.org/10.48550/arXiv.1901.08428
[41] Моше Лешно, Володимир Ялін, Аллан Пінкус та Шимон Шокен. «Багатошарові мережі прямого зв’язку з неполіноміальною функцією активації можуть апроксимувати будь-яку функцію». Нейронні мережі 6, 861–867 (1993).
https://doi.org/10.1016/S0893-6080(05)80131-5
[42] Роберт Гехт-Нільсен. “Теорія нейронної мережі зворотного поширення”. Нейронні мережі для сприйняття. Сторінки 65–93. Elsevier (1992).
https:///doi.org/10.1109/IJCNN.1989.118638
[43] Рауль Рохас. «Алгоритм зворотного поширення». У нейронних мережах. Сторінки 149–182. Springer (1996).
https://doi.org/10.1007/978-3-642-61068-4_7
[44] Цзяньчен Ян, Руй Ши та Бінбін Ні. «Medmnist classification decathlon: Легкий автоматичний тест для аналізу медичних зображень» (2020).
https:///doi.org/10.1109/ISBI48211.2021.9434062
[45] Деніел С. Кермані, Майкл Голдбаум та ін. «Ідентифікація медичних діагнозів і виліковних захворювань за допомогою глибокого навчання на основі зображень». Осередок, вип. 172, вип. 5, стор. 1122 – 1131.e9, (2018).
https:///doi.org/10.1016/j.cell.2018.02.010
[46] Пінг Чжан і Бінь Шен. «Набір даних зображень діабетичної ретинопатії Deepdr (deepdrid), «2-га діабетична ретинопатія – завдання класифікації та оцінки якості зображення»». https:///isbi.deepdr.org/data.html (2020).
https:///isbi.deepdr.org/data.html~
[47] Хьонву Но, Таккеун Ю, Джонхван Мун і Бохен Хан. «Регулярізація глибоких нейронних мереж шумом: його інтерпретація та оптимізація». NeurIPS (2017).
https: / / doi.org/ 10.5555 / 3295222.3295264
[48] Сюе Ін. «Огляд оверфітингу та його рішень». In Journal of physics: Серія конференцій. Том 1168, сторінка 022022. IOP Publishing (2019).
https://doi.org/10.1088/1742-6596/1168/2/022022
[49] Ель Амін Черрат, Іорданіс Керенідіс, Натанш Матур, Йонас Ландман, Мартін Страм та Юн Івонна Лі. «Квантові трансформатори зору» (2022).
[50] Скотт Ааронсон. «Прочитайте дрібний шрифт». Nature Physics 11, 291–293 (2015).
https:///doi.org/10.1038/nphys3272
[51] Майкл А. Нільсен. «Нейронні мережі та глибоке навчання». Преса «Рішучість» (2015).
Цитується
Ця стаття опублікована в Quantum під Creative Commons Attribution 4.0 International (CC на 4.0) ліцензія. Авторське право залишається за оригінальними власниками авторських прав, такими як автори або їх установи.
