Feb, 2024

量子点器件测量的可解释分类技术

PDF
TL;DR在物理科学中，图像数据的稳健特征表示需求日益增长，我们考虑到包括量子信息科学在内的许多领域已经广泛采用广义上的二维数据的图像获取。传统的图像特征虽然在这些情况下被广泛使用，但由于牺牲可解释性以换取高准确性，它们的使用正在迅速被基于神经网络的技术取代。为了改善这种权衡，我们提出了一种基于合成数据的技术，能够产生解释性特征。我们利用可解释性提升机 (Evidence-Based Boosting Machines, EBMs) 表明，这种方法在不牺牲准确性的前提下提供了更好的可解释性。具体而言，我们展示了在量子点调谐的背景下，这种技术能够带来有意义的益处，因为目前在该领域需要人为干预。
image dataneural network-based techniquesexplainable featuresexplainable boosting machines (ebms)quantum dot tuning
发现论文，激发创造
  • 将可解释性提升机应用于科学图像数据

    针对计算机视觉中的不透明模型解释困难的问题，同时受到科学研究对可解释的模型的需求，该研究提出了将易于解释的 EBM 模型扩展至科学图像领域的方法，并通过 Gabor 小波变换对图像数据进行处理，改进了当前图像可解释性方法。

    May, 2023

  • 量子机器学习中的特征重要性与可解释性

    比较量子机器学习和经典机器学习模型中的特征重要性和解释性，使用 IBM 的 Qiskit 平台的混合量子算法（Variational Quantum Classifier 和 Quantum Support Vector Classifier）和经典算法（SVM 和 Random Forests）对广为认可的 Iris 数据集进行实验，并使用置换、去一特征重要性方法以及 ALE 和 SHAP 解释器产生的见解进行对比。

    May, 2024

  • 使用机器学习高效测量量子设备

    利用机器学习算法的自动化测量方法可以提高量子系统的测量效率，并为大型量子电路的自动化控制打下基础。

    Oct, 2018

  • 通过不平衡数据分类基准评估量子生成模型

    使用可解释的人工智能技术对从 20 个真实数据集生成的合成数据进行分析，探究了一种混合量子 - 经典神经网络生成模型的特点和适用性，并与处理类别不平衡的最先进方法进行比较。

    Aug, 2023

  • 可解释的基于深度学习的影像生物标志物的机器学习模型用于阿尔茨海默病的诊断

    机器学习方法在自动早期诊断阿尔茨海默病方面展示了巨大的潜力。本研究提出了一种结合可解释性增强机器（EBM）和基于深度学习的特征提取的框架，以高维成像数据为基础有效识别阿尔茨海默病及认知下降。该框架具有可解释性并通过提供每个特征的重要性来解释决策。研究结果表明，该框架在阿尔茨海默病和认知下降的分类中表现出优异的准确性和面积下曲线（AUC），且显著优于使用体积生物标志物或端到端卷积神经网络（CNN）的 EBM 模型。

    Aug, 2023

  • 自动偏见三角特征提取框架

    使用基于无监督分割的计算机视觉方法构建的偏置三角特征提取框架，可以方便直接识别和量化其物理特性，从而避免了人力输入或大型训练数据集用于监督学习方法，并实现了逐像素形状和特征标签的自动化。特别是，通过这种方法，可以有效、高效且无需训练数据地进行 Pauli 自旋阻塞检测。

    Dec, 2023

  • 增强量子内核的神经自动设计师

    我们提出了一种数据驱动的方法，自动设计针对特定问题的量子特征映射，利用特征选择技术处理高维数据，通过深度神经预测器评估不同候选量子核的性能，通过广泛的数值模拟展示了我们方法的优越性，尤其是在消除核浓度问题和确定具有预测优势的特征映射方面。我们的工作不仅释放了量子内核增强实际任务的潜力，还强调了深度学习在推动量子机器学习方面的重要作用。

    Jan, 2024

  • 小型量子态的可解释表示学习

    本研究提出了一种自我学习的方法，使用无人干预的生成式模型来描述量子状态，通过研究该模型学习到的内在表示方式及其对量子态的理解，我们证明该方法具有实现可解释机器学习量子态的潜力，且能够进行自主学习，并为机器学习如何自我学习小规模量子系统提供了见解。

    Jun, 2023

  • 量子机器学习图像分类

    本文探讨使用量子分类器对二进制属性进行模式分类，特别是对图像数据集的分类表现良好，对医学领域来说是具有很大潜力的。

    Nov, 2020

  • THz 多层成像的量子特征提取

    本文利用基于学习的 THz 多层成像技术进行非接触三维定位和编码，并展示了新兴量子机器学习 (QML) 框架的概念验证，能够处理深度变化、阴影效应和双面内容识别等问题。

    Jul, 2022