Quantum Convolutional Neural Networks for the detection of Gamma-Ray Bursts in the AGILE space mission data

要約

量子コンピューティングは、人工知能の最先端のフロンティアを表します。
これは、深層学習の分類問題に対して異なるアプローチを使用できるようにする量子力学の原理を活用しようとするハイブリッド量子古典計算を利用します。
ここで紹介する研究は、イタリア宇宙庁が 2007 年に開始した AGILE 宇宙ミッションの文脈に当てはまります。
当社は、AGILE に搭載された機器によって取得されたデータを分析して、天空図やライト カーブからガンマ線バーストを検出するさまざまな量子畳み込みニューラル ネットワーク (QCNN) を実装しています。
TensorFlow-Quantum、Qiskit、PennyLane などのいくつかのフレームワークを使用して、量子コンピューターをシミュレートします。
QCNN を使用した空図では 95.1% の精度を達成しましたが、従来の同等のデータでは数十万以上のパラメーターを使用して 98.8% の精度を達成しました。

要約(オリジナル)

Quantum computing represents a cutting-edge frontier in artificial intelligence. It makes use of hybrid quantum-classical computation which tries to leverage quantum mechanic principles that allow us to use a different approach to deep learning classification problems. The work presented here falls within the context of the AGILE space mission, launched in 2007 by the Italian Space Agency. We implement different Quantum Convolutional Neural Networks (QCNN) that analyze data acquired by the instruments onboard AGILE to detect Gamma-Ray Bursts from sky maps or light curves. We use several frameworks such as TensorFlow-Quantum, Qiskit and PennyLane to simulate a quantum computer. We achieved an accuracy of 95.1% on sky maps with QCNNs, while the classical counterpart achieved 98.8% on the same data, using however hundreds of thousands more parameters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google