Quantum artificial vision for defect detection in manufacturing

要約

この論文では、ノイズ中間スケール量子 (NISQ) デバイスを使用した量子コンピューター ビジョン用のいくつかのアルゴリズムを検討し、実際の問題について古典的な対応物と比較してベンチマークを行います。
具体的には、ユニバーサル ゲートベースの量子コンピューター上の量子サポート ベクター マシン (QSVM) と量子アニーラー上の QBoost という 2 つのアプローチを検討します。
量子ビジョン システムは、製造された自動車部品の欠陥を検出することを目的として、不均衡な画像データセットのベンチマークが行われます。
QBoost を使用すると、現在の量子アニーラーでより大きな問題を解析できるようになり、量子アルゴリズムがいくつかの点で従来のアルゴリズムよりも優れていることがわかります。
次元削減やコントラスト強調などのデータ前処理や、QBoost でのハイパーパラメータ調整についても説明します。
私たちの知る限り、これは製造ラインにおける産業関連の問題に対する量子コンピューター ビジョン システムの初めての実装です。

要約(オリジナル)

In this paper we consider several algorithms for quantum computer vision using Noisy Intermediate-Scale Quantum (NISQ) devices, and benchmark them for a real problem against their classical counterparts. Specifically, we consider two approaches: a quantum Support Vector Machine (QSVM) on a universal gate-based quantum computer, and QBoost on a quantum annealer. The quantum vision systems are benchmarked for an unbalanced dataset of images where the aim is to detect defects in manufactured car pieces. We see that the quantum algorithms outperform their classical counterparts in several ways, with QBoost allowing for larger problems to be analyzed with present-day quantum annealers. Data preprocessing, including dimensionality reduction and contrast enhancement, is also discussed, as well as hyperparameter tuning in QBoost. To the best of our knowledge, this is the first implementation of quantum computer vision systems for a problem of industrial relevance in a manufacturing production line.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google