[論文レビュー] Quantum image classifier with single photons

Kunkun Wang, Lei Xiao+3 more|arXiv (Cornell University)|Mar 19, 2020

Quantum Computing Algorithms and Architecture参考文献 40被引用数 9

ひとこと要約

この論文は、テンソルネットワークと行列積状態を活用して、量子特徴空間を効率的に符号化・処理する単一光子干渉計を用いた量子画像分類器を提示する。この手法は、現実の手書き画像を高精度で分類でき、近い将来の量子機械学習に向けたスケーラブルでプラットフォームに依存しないフレームワークを確立する。

ABSTRACT

Machine learning, with promising applications in quantum computation, has been introduced to a variety of quantum mechanical platforms, where its interplay with quantum physics offers exciting prospects toward quantum advantages. A central difficulty, however, lies in the access and control of the large Hilbert space required by quantum machine learning protocols, through the limited number of noisy qubits available to near-term quantum devices. Whereas it is recognized that a viable solution lies in the design of quantum algorithms that incorporates quantum entanglement and interference, a demonstration of quantum machine learning protocols capable of solving practical tasks is still lacking. Here we report the classification of real-life, hand-drawn images on a quantum mechanical platform of single photons. Adopting a tensor-network-based machine learning algorithm with an entanglement-guided optimization, we achieve an efficient representation of the quantum feature space using matrix product states. This allows us to demonstrate image classification with a high success rate using single-photon interferometry networks. Our experiment establishes a general and scalable framework for quantum machine learning, which is readily accessible on other physical platforms.

研究の動機と目的

• 限られたノイジーなキュービットを備えた近い将来の量子デバイスにおいて、大きなヒルバート空間にアクセスする課題に対処すること。
• 現在の光子ハードウェアの制約に適合して効率的に動作するスケーラブルな量子機械学習フレームワークを開発すること。
• 実世界の手書き画像を用いた実用的な量子機械学習タスク（画像分類）を実証すること。
• エンタングルメント誘導最適化と行列積状態を用いて、効率的な量子特徴空間表現を可能にすること。
• 光子系にとどまらず、さまざまなシステムに適用可能な汎用的でプラットフォームに依存しない量子機械学習フレームワークを確立すること。

提案手法

• リource負荷を低減するテンソルネットワークに基づく機械学習アルゴリズムを採用して、量子特徴を表現すること。
• 行列積状態（MPS）を用いて量子特徴空間を効率的に符号化し、キュービットの必要数を削減すること。
• 表現力と精度を向上させるために、エンタングルメント誘導最適化を実装すること。
• 光子プラットフォーム上で量子回路を物理的に実現するため、単一光子干渉計ネットワークを設計すること。
• 光子キュービットと互換性のある特徴符号化方式を用いて、手書き画像を量子状態にマッピングすること。
• ユニタリ変換と測定を通じて、量子干渉とエンタングルメントを用いて分類を実行すること。

実験結果

リサーチクエスチョン

• RQ1 単一光子に基づく量子機械学習モデルは、現実の手書き画像を高精度で分類できるか？
• RQ2 リソース制限下での量子特徴空間表現に、行列積状態（MPS）をどのように効果的に活用できるか？
• RQ3 エンタングルメント誘導最適化は、近い将来の量子デバイスにおける分類性能をどの程度向上させるか？
• RQ4 単一光子のみを用いて、光子プラットフォーム上でスケーラブルで汎用的な量子機械学習フレームワークを実装できるか？
• RQ5 現在のハードウェア制約のもとで、実用的な画像分類タスクにおいて量子優位性を達成できるか？

主な発見

• 提案手法は、単一光子干渉計ネットワークを用いることで、実際の手書き画像を高精度で分類した。
• 行列積状態（MPS）のおかげで、量子特徴空間の効率的表現が可能となり、必要なヒルバート空間次元が顕著に削減された。
• エンタングルメント誘導最適化により、モデルの分類クラスの区別能力が向上し、分類の整合性が向上した。
• フレームワークはスケーラビリティと適応性を示し、さまざまな物理的量子プラットフォームへの実装に適していることが確認された。
• 実験により、限られたキュービットを備えた近い将来の量子デバイスでも、実用的な量子機械学習タスクを実行可能なことが確認された。
• これらの結果は、汎用的でアクセスしやすいアーキテクチャを通じて、将来的な量子優位性の実現に向けた基盤を築いた。