QUSL：具有增强性能的量子无监督图像相似度学习
量子物理
2024-08-23 v4
摘要
利用量子特性增强复杂学习任务已被证明是可行的，近期在无监督学习领域取得了优异成果。然而，当前的量子方案忽略了对无监督任务场景的自适应调整。本文提出了一种新颖的量子无监督相似度学习方法 QUSL。首先，QUSL 使用相似度三元组进行无监督学习，通过对锚点图像进行扰动生成正样本，实现了独立于经典算法的学习过程。随后，结合三元组的特征交织，QUSL 采用元启发式算法系统地探索高性能映射过程，从而获得更适合无监督图像相似度任务的量子电路架构。最终，QUSL 以更低的量子资源成本实现了特征学习。在量子计算机上的综合数值模拟和实验表明，QUSL 优于现有最先进的量子方法。QUSL 使关键量子资源利用率降低了 50% 以上。在多个数据集上，QUSL 将相似度检测相关性提升了高达 19.5%，在 NISQ 环境中表现出鲁棒性。在使用更少量子资源的同时，QUSL 展现出应用于大规模无监督任务的潜力。
引用
@article{arxiv.2404.02028,
title = {QUSL: Quantum Unsupervised Image Similarity Learning with Enhanced Performance},
author = {Lian-Hui Yu and Xiao-Yu Li and Geng Chen and Qin-Sheng Zhu and Hui Li and Guo-Wu Yang},
journal= {arXiv preprint arXiv:2404.02028},
year = {2024}
}