用于量子退火器上星系形态分类的受限玻尔兹曼机
量子物理
2020-02-17 v2 星系天体物理
机器学习
摘要
我们展示了使用 D-Wave Systems 制造的量子退火器，将受限玻尔兹曼机（RBMs）应用于天文图像分类任务。星系的形态分析为研究其在宇宙时间尺度上的形成与演化提供了关键信息。我们使用主成分分析压缩星系图像，以在量子硬件上拟合一种表示。然后，我们使用判别与生成算法（包括对比散度和混合生成-判别方法）训练 RBMs，以分类不同的星系形态。我们比较的方法包括量子退火（QA）、马尔可夫链蒙特卡洛（MCMC）吉布斯采样和模拟退火（SA），以及如梯度提升决策树等机器学习算法。我们发现，在 D-Wave 硬件上实现的 RBMs 表现良好，并且在小数据集上显示出一些分类性能优势，但对此任务并未提供广泛的战略性优势。在此探索过程中，我们分析了使用 D-Wave 2000Q 进行玻尔兹曼采样所需的步骤，包括对温度估计的研究，并通过比较原始 D-Wave 2000Q 与近期提供的低噪声版本考察了量子比特噪声的影响。尽管这些分析最终对 RBMs 的性能影响甚微，我们仍将其收录以供参考。
引用
@article{arxiv.1911.06259,
title = {Restricted Boltzmann Machines for galaxy morphology classification with a quantum annealer},
author = {João Caldeira and Joshua Job and Steven H. Adachi and Brian Nord and Gabriel N. Perdue},
journal= {arXiv preprint arXiv:1911.06259},
year = {2020}
}
备注
15 pages; LaTeX; 14 figures