Interferometric Neural Networks

要約

一方で、人工ニューラル ネットワークは、機械学習と最適化の分野で多くの成功した応用例を持っています。
一方、干渉計は、光学、天文学、量子物理学などの波を扱うあらゆる分野に不可欠な部分です。
ここでは、干渉計で構成されるニューラル ネットワークを導入し、それらから敵対的生成ネットワークを構築します。
私たちのネットワークには古典的な層はなく、量子コンピューターまたはフォトニックチップ上で実現できます。
組み合わせ最適化、画像分類、画像生成への適用性を実証します。
組み合わせ最適化の場合、ネットワークは一貫して大域的最適値に収束するか、その狭い範囲内に留まります。
マルチクラス画像分類タスクでは、当社のネットワークは 93% と 83% の精度を達成します。
最後に、0 から 9 までの数字と人間の顔の画像を生成する機能を示します。

要約(オリジナル)

On the one hand, artificial neural networks have many successful applications in the field of machine learning and optimization. On the other hand, interferometers are integral parts of any field that deals with waves such as optics, astronomy, and quantum physics. Here, we introduce neural networks composed of interferometers and then build generative adversarial networks from them. Our networks do not have any classical layer and can be realized on quantum computers or photonic chips. We demonstrate their applicability for combinatorial optimization, image classification, and image generation. For combinatorial optimization, our network consistently converges to the global optimum or remains within a narrow range of it. In multi-class image classification tasks, our networks achieve accuracies of 93% and 83%. Lastly, we show their capability to generate images of digits from 0 to 9 as well as human faces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google