基于量子退火器训练的高光谱图像分割机器学习模型
量子物理
2025-09-03 v1 计算机视觉与模式识别
机器学习
摘要
机器学习模型的训练耗费大量能源。随着能源消耗成为人工智能系统开发与实施中的主要问题，存在一种需要探索通过这些系统减少资源使用的办法。本文我们研究了量子退火器是否能够降低训练旨对高光谱图像像素级分割模型的能源成本。遵循 QBM4EO 团队的成果，我们提出一种经典机器学习模型，部分使用量子退火器进行高光谱图像分割训练。我们展示，使用量子退火器训练的模型在预设的常见指标下，优于或至少与使用其他算法训练的模型相当。虽然直接的能源使用比较在当前量子计算技术发展阶段尚不恰当，但我们相信本工作证明了量子退火器应被视为训练至少某些机器学习模型的工具。
引用
@article{arxiv.2503.01400,
title = {Hyperspectral image segmentation with a machine learning model trained using quantum annealer},
author = {Dawid Mazur and Tomasz Rybotycki and Piotr Gawron},
journal= {arXiv preprint arXiv:2503.01400},
year = {2025}
}
备注
16 pages, 6 figures, 3 tables