基于高斯波函数抽样的增强图像识别
量子物理
2025-06-25 v1
摘要
高斯波函数抽样 (GBS) 已成为一种有前景的量子计算范式，展示了其在 various applications 中的潜力。然而，大多数现有工作聚焦于理论方面或简单任务，仅限于探索其在解决实际问题方面的能力。在本工作中，我们提出一种新颖的 GBS 基于图像识别方案，灵感来自极端学习机 (ELM)，以增强感知器和实现它使用我们最新的 GBS 设备 Jiuzhang。我们的方法利用 8176 模态的时空混合编码光子处理器，在量子计算优势区域实现约 2200 次平均光子点击。我们将该方案应用于对 MNIST 和 Fashion-MNIST 数据集进行分类，分别在 MNIST 和 Fashion-MNIST 上的测试准确率分别达到 95.86% 和 85.95%。这些结果超越了采用线性核的经典方法 SVC 和之前的物理 ELM 基于实验的结果。此外，我们探讨了三个超参数的影响以及 GBS 在实验中的效率。该工作不仅展示了 GBS 在实际机器学习应用中的潜力，也旨在激发进一步利用 GBS 技术构建强大机器学习方案的发展。
引用
@article{arxiv.2506.19707,
title = {Enhanced Image Recognition Using Gaussian Boson Sampling},
author = {Si-Qiu Gong and Ming-Cheng Chen and Hua-Liang Liu and Hao Su and Yi-Chao Gu and Hao-Yang Tang and Meng-Hao Jia and Yu-Hao Deng and Qian Wei and Hui Wang and Han-Sen Zhong and Xiao Jiang and Li Li and Nai-Le Liu and Chao-Yang Lu and Jian-Wei Pan},
journal= {arXiv preprint arXiv:2506.19707},
year = {2025}
}