量子置换同步
本研究探讨了使用量子计算技术解决三维形状图像匹配问题,提出了将二次受限二进制优化问题映射到量子硬件的几种重构方法,重点考虑获得足够的频谱间隙,以提高在单次运行中测量最优解和有效置换矩阵的概率。在量子计算机 D-Wave 2000Q 上进行实验,结果表明本文提出的置换矩阵约束的重新表述,增加了数值计算的稳健性。该算法有望在未来的量子计算架构上扩展到更高维度,为 3D 计算机视觉和图形问题的解决开辟多个新方向。
Jul, 2021
本研究利用量子力学硬件处理 NP-hard 的变优化问题,将图像识别问题转换为二次无约束二进制优化问题,进而利用 D-Wave 超导绝热量子计算(AQC)处理问题,该方法是一种有前途的特殊目的启发式算法解决方案。
Apr, 2008
本研究提出了基于不同 SU (d) 对称性物理系统的 equivariant convolutional algorithms 框架,它能够增强量子计算模型,如 permutational quantum computing (PQC),定义了一个更强大的模型,PQC+。我们进一步讨论了可在 PQC + 范式下执行的实用量子机器学习算法。
Jul, 2022
本论文提出了第一个针对使用 AQC 求解的 MOT 公式。通过使用描述在 AQC 上实现的量子力学系统的 Ising 模型,我们证明了该方法即使在使用现成的整数规划求解器时也可以与最先进的基于优化的方法竞争。最后,我们证明了 MOT 问题在当前一代真实量子计算机上可以解决小例子,并分析了测量解的属性。
Feb, 2022
该研究以量子视觉计算为背景,引入了一种使用非线性正则化方法和空间金字塔在量子退火器上解决最大后验推断问题的新方法,形成了一个最小化马尔可夫随机场能量的问题。该方法是混合(即量子 - 经典)的,适用于现代 D-Wave 量子退火器,并结合了二次无约束二进制优化(QUBO)目标函数,在解决组合优化问题时充分利用了量子计算模型的优势。通过在 Middlebury 基准测试上应用不同求解器,我们实现了 2%和 22.5%两种不同精度的根均方准确度改进,刷新了量子立体匹配领域的最新进展。
Dec, 2023
本文探讨了如何利用人工智能的约束满足问题来建模和解决一些特定的无线电接入网络优化问题,并用量子计算机来解决。以 LTE/NR 的 RSI 分配问题为例,通过商业移动网络中摄入的数据来构建一个二次无约束二进制优化问题,并使用云平台提供的量子计算机来解决它。结果表明,量子退火求解器可以成功地分配无冲突的 RSI。与著名的启发式算法相比,一些经典算法在解决方案质量和计算时间方面更加有效。该框架非常灵活,并有潜力在移动网络自动化中利用量子计算的威力。
Jun, 2021
这项研究探讨了基于量子退火的推断算法在计算机视觉离散能量最小化问题中的应用,特别关注了立体匹配作为一个重要的计算机视觉标签问题,并使用 D-Wave System 提供的混合量子 - 经典求解器来与文献中最好的经典推断算法进行比较。
Dec, 2023
使用置换矩阵,我们描述了量子块模型用于数据分析任务,并展示了在量子计算机上可以以 O (log (N)) 的时间找到或更新适应度值。在量子电路上,不同序列的置换可以并行应用,因此在这个模型中的机器学习任务可以在量子计算机上更高效地实现。
Nov, 2023