Quantum Vision Clustering

要約

教師なし視覚クラスタリングは、最近かなりの注目を集めています。
パラメータ化された外観モデルを介してクラスタリングすることにより、ラベルのない視覚画像の分布を説明することを目的としています。
別の観点から見ると、クラスタリング アルゴリズムは、多くの場合 NP 困難な割り当て問題として扱うことができます。
これらは、現在のハードウェア上の小規模なインスタンスに対して正確に解決できます。
断熱量子コンピューティング (AQC) は、さまざまな NP 困難な最適化問題ですぐに大幅な高速化を実現できるため、解決策を提供します。
ただし、現在のクラスタリング定式化は、スケーリング特性のため、量子コンピューティングには適していません。
したがって、この研究では、AQC で解決できるように設計された最初のクラスタリング定式化を提案します。
AQC に実装された量子力学的システムを表すイジング モデルを採用します。
私たちのアプローチは、既製の整数計画法ソルバーを使用した場合でも、最先端の最適化ベースのアプローチと比較して競争力があります。
最後に、小規模な例については、クラスタリング問題が現世代の実際の量子コンピュータですでに解決可能であることを実証し、測定された解の特性を分析します。

要約(オリジナル)

Unsupervised visual clustering has recently received considerable attention. It aims to explain distributions of unlabeled visual images by clustering them via a parameterized appearance model. From a different perspective, the clustering algorithms can be treated as assignment problems, often NP-hard. They can be solved precisely for small instances on current hardware. Adiabatic quantum computing (AQC) offers a solution, as it can soon provide a considerable speedup on a range of NP-hard optimization problems. However, current clustering formulations are unsuitable for quantum computing due to their scaling properties. Consequently, in this work, we propose the first clustering formulation designed to be solved with AQC. We employ an Ising model representing the quantum mechanical system implemented on the AQC. Our approach is competitive compared to state-of-the-art optimization-based approaches, even using of-the-shelf integer programming solvers. Finally, we demonstrate that our clustering problem is already solvable on the current generation of real quantum computers for small examples and analyze the properties of the measured solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google