用于真实世界制造缺陷图像分类的量子核方法

在量子模拟器上对低分辨率图像进行分析且进行最少特征选择时，量子核方法的结果明显优于经典 SVM，但在实际量子处理器上运行时结果不一致。我们选择使用现有的量子核方法进行分类。我们使用 Mitiq 包将动态解耦错误缓解应用于量子 SVM 核方法，据我们所知，这从未被用于图像分类的量子核方法。我们应用量子核方法，使用超导量子计算机对来自制造设施的真实世界图像数据进行分类。这些制造图像用于确定产品是否有缺陷或在制造过程中是否生产正确。我们还测试了 Mitiq 动态解耦 (DD) 方法，以了解其在降低噪声相关错误方面的有效性。我们还发现，将经典数据编码到量子态中的量子比特上的方式影响了我们的结果。我们的角度编码电路的三次量子处理单元 (QPU) 运行均返回了不同的结果，其中一次运行优于经典结果，一次运行等同于经典结果，一次运行差于经典结果。更复杂的瞬时量子多项式 (IQP) 编码方法在 QPU 上运行时显示出比经典 SVM 结果更好的精度，但召回率和 F1 分数较差。我们发现 DD 错误缓解并未改善 IQP 编码电路运行的结果，并且对 QPU 上的角度编码电路运行没有影响。总而言之，我们发现角度编码电路在真实量子硬件上是量子核编码方法中表现最好的。在未来的使用量子核进行图像分类的研究项目中，我们建议探索 Mitiq DD 以外的其他错误缓解技术。