Quantum Convolutional Neural Networks with Interaction Layers for Classification of Classical Data

要約

量子機械学習 (QML) は、量子コンピューターの卓越した計算能力により脚光を浴びています。
それほど遠くない将来、ほぼエラーのない量子コンピューターが実現すると予想されているため、量子ニューラル ネットワークに対するマルチ量子ビット相互作用の影響を広範囲に研究することが重要です。
この論文では、画像と 1 次元データの両方を分類するために、ネットワークの表現性ともつれ能力を向上させる 3 量子ビット相互作用を利用する新しい相互作用層を備えた量子畳み込みネットワークを紹介します。
提案されたアプローチは、バイナリおよびマルチクラス分類を実行するために、3 つの公的に利用可能なデータセット、つまり MNIST、ファッション MNIST、および Iris データセットでテストされ、既存の最先端の方法のパフォーマンスに取って代わることがわかりました。

要約(オリジナル)

Quantum Machine Learning (QML) has come into the limelight due to the exceptional computational abilities of quantum computers. With the promises of near error-free quantum computers in the not-so-distant future, it is important that the effect of multi-qubit interactions on quantum neural networks is studied extensively. This paper introduces a Quantum Convolutional Network with novel Interaction layers exploiting three-qubit interactions increasing the network’s expressibility and entangling capability, for classifying both image and one-dimensional data. The proposed approach is tested on three publicly available datasets namely MNIST, Fashion MNIST, and Iris datasets, to perform binary and multiclass classifications and is found to supersede the performance of the existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google