Hierarchical Quantum Control Gates for Functional MRI Understanding

要約

量子コンピューティングは、特に暗号化、最適化、ニューロコンピューティングなどの人気のある分野において、古典的なコンピューターでは解決できない複雑な問題を解決するための強力なツールとして登場しました。
この論文では、機能的磁気共鳴画像法 (fMRI) データを効率的に理解するための、階層量子制御ゲート (HQCG) 法と呼ばれる新しい量子ベースのアプローチを紹介します。
このアプローチには、ローカル量子制御ゲート (LQCG) とグローバル量子制御ゲート (GQCG) という 2 つの新しいモジュールが含まれており、それぞれ fMRI 信号のローカル特徴とグローバル特徴を抽出するように設計されています。
私たちの手法は、量子マシン上でエンドツーエンドで動作し、量子力学を利用して、古典的なコンピューターにとっては課題である 30,000 サンプルなどの非常に高次元の fMRI 信号内のパターンを学習します。
経験的な結果は、私たちのアプローチが古典的な方法よりも大幅に優れていることを示しています。
さらに、提案された量子モデルは古典的な手法よりも安定しており、過学習の傾向が少ないこともわかりました。

要約(オリジナル)

Quantum computing has emerged as a powerful tool for solving complex problems intractable for classical computers, particularly in popular fields such as cryptography, optimization, and neurocomputing. In this paper, we present a new quantum-based approach named the Hierarchical Quantum Control Gates (HQCG) method for efficient understanding of Functional Magnetic Resonance Imaging (fMRI) data. This approach includes two novel modules: the Local Quantum Control Gate (LQCG) and the Global Quantum Control Gate (GQCG), which are designed to extract local and global features of fMRI signals, respectively. Our method operates end-to-end on a quantum machine, leveraging quantum mechanics to learn patterns within extremely high-dimensional fMRI signals, such as 30,000 samples which is a challenge for classical computers. Empirical results demonstrate that our approach significantly outperforms classical methods. Additionally, we found that the proposed quantum model is more stable and less prone to overfitting than the classical methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google