通过向张量网络投掷量子厨房水槽进行图像分类
量子物理
2025-02-04 v1
摘要
近年来提出了多种用于机器学习的变分量子电路方法，其中一类有前景的变分算法涉及在局部特征映射所得态上操作的张量网络。相比之下，一种称为量子厨房水槽（quantum kitchen sinks）的随机特征方法提供了相当的性能，但利用了非局部特征映射。在此，我们结合这两种方法，提出一种新的电路 ansatz，其中树张量网络相干地处理量子厨房水槽的非局部特征映射，并运行数值实验以实证评估该新 ansatz 在图像分类上的性能。从分类性能的角度看，我们发现简单地将量子厨房水槽与张量网络结合并未带来定性改进。然而，加入特征优化极大提升了性能，从而产生了用于图像分类的 state-of-the-art 量子电路，仅需浅层电路和少量量子比特——这两者都在近期量子设备的可及范围之内。
引用
@article{arxiv.2208.13895,
title = {Image Classification by Throwing Quantum Kitchen Sinks at Tensor Networks},
author = {Nathan X. Kodama and Alex Bocharov and Marcus P. da Silva},
journal= {arXiv preprint arXiv:2208.13895},
year = {2025}
}
备注
22 pages, 10 figures