量子退火用于计算机视觉最小化问题
本文介绍了量子计算中的基本概念,并重点介绍了退火量子计算,该方法是一种替代常见的量子门模型的计算方法,同时介绍了利用这种方法解决最大可满足性和最小多段切割问题的例子,以及 D-Wave 系统的概述。
Mar, 2018
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
本研究提出了一个新的混合系统,通过使用多目标遗传算法,自动生成和训练基于量子启发式分类器来处理灰度图像。通过定义动态适应性函数来确保所提出的技术具有通用性和鲁棒性,我们能够在视觉数据集上获得最小电路和最高精度,同时在量子电路和图像降维方法之间进行比较。
Aug, 2022
本文提出了两种基于机器学习的方法,采用强化学习 (RL) 框架和核密度估计 (KDE) 技术,分别用于优化 QAOA 电路,从小规模问题实例中学习,然后在较大的问题实例中使用,结果表明与其他现成的优化器相比,这两种方法可以将优化度缺口减少多达 30.15 个因子。
Nov, 2019
该论文提出了一种使用混合量子经典算法的鲁棒拟合方法,采用一系列整型规划求解并实现全局解或误差界限,该方法可为计算机视觉中的随机启发式算法提供较实用的改进。
Jan, 2022
本研究探究了使用 D-Wave 量子退火机器从 Restricted Boltzmann Machines 中生成样本来估计模型期望值的新方法,并在较粗粒度的 MNIST 数据集上进行训练测试,结果表明基于量子取样的训练方法可以在相对较少的生成性训练迭代次数内实现与传统 CD 方法相当或更高的精度。
Oct, 2015
本文研究和探讨了量子模拟(QA)和量子近似优化算法(QAOA)之间的联系,介绍了一种用于证明过往性能的技术,并展示了一种优化的 digitized-QA 协议。
Jun, 2019