面向 NISQ 硬件上裂纹图像分类的混合量子迁移学习
量子物理
2023-08-01 v1 人工智能
图像与视频处理
统计理论
统计理论
摘要
根据理论基础，量子计算机有潜力使用相比传统比特显著更少的量子比特来处理数据。然而，近期实验表明，从其量子编码版本中复原图像的实际可行性目前仅限于极小的图像尺寸。尽管存在此限制，变分量子机器学习算法仍可在当前含噪中等规模量子（NISQ）时代使用。混合量子机器学习用于边缘检测即为一例。在我们的研究中，我们给出了量子迁移学习用于检测灰度图像中裂纹的应用。我们比较了 PennyLane 的标准量子比特与 IBM 的 qasm_simulator 及真实后端在性能与训练时间上的表现，对其执行效率提供见解。
引用
@article{arxiv.2307.16723,
title = {Hybrid quantum transfer learning for crack image classification on NISQ hardware},
author = {Alexander Geng and Ali Moghiseh and Claudia Redenbach and Katja Schladitz},
journal= {arXiv preprint arXiv:2307.16723},
year = {2023}
}