[논문 리뷰] Quantum Image Processing

Alok Anand, Meizhong Lyu외 2명|arXiv (Cornell University)|2022. 03. 01.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 QPIE를 이용한 이미지 인코딩과 노이즈 모델링을 통한 변량 양자 회로를 활용하여 엣지 검출 및 이진 분류를 위한 양자 이미지 처리 프레임워크를 제안한다. 노이즈가 있는 상황에서 MNIST 및 CIFAR 데이터셋에서 향상된 엣지 검출 정확도를 입증하였지만, 회로 깊이와 큐비트 오버헤드로 인해 노이즈와 이미지 크기가 증가할수록 성능 저하가 발생한다.

ABSTRACT

Image processing is popular in our daily life because of the need to extract essential information from our 3D world, including a variety of applications in widely separated fields like bio-medicine, economics, entertainment, and industry. The nature of visual information, algorithm complexity, and the representation of 3D scenes in 2D spaces are all popular research topics. In particular, the rapidly increasing volume of image data as well as increasingly challenging computational tasks have become important driving forces for further improving the efficiency of image processing and analysis. Since the concept of quantum computing was proposed by Feynman in 1982, many achievements have shown that quantum computing has dramatically improved computational efficiency [1]. Quantum information processing exploit quantum mechanical properties, such as quantum superposition, entanglement and parallelism, and effectively accelerate many classical problems like factoring large numbers, searching an unsorted database, Boson sampling, quantum simulation, solving linear systems of equations, and machine learning. These unique quantum properties may also be used to speed up signal and data processing. In quantum image processing, quantum image representation plays a key role, which substantively determines the kinds of processing tasks and how well they can be performed.

연구 동기 및 목표

• 게이트 기반 양자 계산을 활용한 엣지 검출 및 이진 분류를 위한 양자 이미지 처리 파이프라인 개발
• 특히 붕괴 및 파울리 노이즈를 포함한 노이즈의 영향이 양자 엣지 검출 성능에 미치는 영향 평가
• 실행 시간, 공간 복잡도, 정확도 측면에서 양자 방법과 고전적 방법을 이미지 데이터셋 기준으로 비교
• 회로 깊이와 큐비트 요구량으로 인한 더 큰 이미지에 대한 양자 이미지 처리의 확장성 한계 분석
• 실제 장치 배포에 있어 강건성 향상을 위해 양자 시뮬레이션과 노이즈 모델을 활용할 수 있는지 탐색

제안 방법

• 사각형 이미지 표현을 가능하게 하며 큐비트 수를 감소시킬 수 있는 양자 확률 이미지 인코딩(QPIE)을 이용한 양자 이미지 인코딩
• 파울리 게이트 기반 피처 매핑을 갖는 파arameterized 양자 회로(PQC)를 활용한 양자 엣지 검출(QHED) 파이프라인 구현
• 다중 클래스 이미지 분류를 위한 로지스틱 회귀 모델과 라소 페널티를 적용한 변량 양자 분류기 구현
• MNIST 및 CIFAR-10 데이터셋에서 모델을 훈련하고 테스트하기 위해 양자 상태벡터 및 qasm 시뮬레이터 사용, 확장성을 위해 데이터를 더 작은 샘플로 분할
• NISQ 시대 하드웨어 제약 조건을 시뮬레이션하기 위해 노이즈 모델(붕괴 및 파울리 노이즈)을 양자 회로에 통합
• 다양한 노이즈 조건 하에서의 엣지 검출 결과 시각적 비교 및 정확도 지표를 통한 성능 평가

실험 결과

연구 질문

• RQ1 QPIE 기반 양자 이미지 인코딩은 큐비트 효율성과 확장성 측면에서 고전적 이미지 표현 방식과 비교해 어떻게 다를까?
• RQ2 붕괴 및 파울리 노이즈가 MNIST 및 CIFAR-10 데이터셋의 양자 엣지 검출 정확도에 미치는 영향은 어떠한가?
• RQ3 제한된 데이터 샘플로 훈련된 경우 변량 양자 회로가 이미지 데이터셋에서 경쟁 가능한 분류 정확도를 달성할 수 있는가?
• RQ4 회로 깊이와 큐비트 수가 더 큰 이미지에 대한 양자 이미지 처리의 성능 및 신뢰성에 미치는 영향는 어떠한가?
• RQ5 시뮬레이션에서의 노이즈 모델이 실제 양자 하드웨어 제약 조건을 얼마나 정확히 반영하는가?

주요 결과

• 노이즈 없이 MNIST 데이터셋에서 양자 엣지 검출 모델은 74%의 정확도를 기록했으며, 확률 0.001인 파울리 노이즈 조건에서는 68%로 감소하였다.
• 붕괴 노이즈는 단일 및 이중 큐비트 게이트에 동시에 적용되었을 때 더 뚜렷한 영향을 미쳐, 단일 게이트 노이즈보다 모델 성능 저하가 심했다.
• 파울리 노이즈는 붕괴 노이즈보다 분류 정확도에 더 악영향을 미쳤으며, 낮은 노이즈 확률(0.01)에서 6%의 정확도 감소를 보였다.
• 노이즈가 존재하더라도 엣지 검출 출력에서 숫자들이 여전히 식별 가능했으며, 중간 수준의 노이즈에서도 특징 추출의 강건성을 보였다.
• 100개의 훈련 샘플만을 사용할 경우 CIFAR-10에서 훈련 정확도가 10%로 떨어졌는데, 주로 데이터 분할 및 샘플 수 부족으로 인한 영향이었다.
• 양자 시뮬레이터 사용으로 인해 훈련 시간이 크게 증가하여, 더 큰 이미지의 정확도 향상을 위해 데이터 분할 및 재결합 전략이 필요했다.