面向混合量子-经典深度神经网络的量子特征提取模块 QuFeX
量子物理
2026-01-15 v2 人工智能
机器学习
摘要
我们介绍量子特征提取（QuFeX），一种新型量子机器学习模块。该模块的设计使其能够在降低维度的空间中进行特征提取，显著降低典型量子卷积神经网络架构中所需的并行评估数量。其设计允许无缝集成到深层经典神经网络中，特别适合混合量子-经典模型。在QuFeX的应用示例中，我们提出Qu-Net——一种集成QuFeX于U-Net结构瓶颈处的混合架构。后者广泛用于医学成像和自动驾驶等图像分割任务。我们的定性分析表明，Qu-Net可以实现优于U-Net基线的优越分割性能。这些结果凸显了QuFeX通过利用混合计算范式来增强深度神经网络的潜力，为需要精确特征提取的实际应用提供了可靠框架之路。
引用
@article{arxiv.2501.13165,
title = {QuFeX: Quantum feature extraction module for hybrid quantum-classical deep neural networks},
author = {Naman Jain and Amir Kalev},
journal= {arXiv preprint arXiv:2501.13165},
year = {2026}
}
备注
V2: 17 pages, 15 figures, 2 Tables; published version