May, 2024

比较量子退火与脉冲神经形态计算在二进制稀疏编码 QUBO 问题采样中的应用

PDF
TL;DR通过应用无监督词典特征学习方法，我们研究了稀疏二进制表示问题，并使用量子退火和 Loihi 2 神经形态处理器求解了该问题。我们的结果表明，量子退火在大多数情况下与模拟退火相似，但模拟退火总能找到最优解，而量子退火不能。Loihi 2 采样得到的解比其他方法更加稀疏，而且 Loihi 2 在性能上优于标准的 D-Wave 量子退火处理器。
sparse binary representationqubounsupervised dictionary feature learningquantum annealingloihi 2 neuromorphic processor
发现论文，激发创造
  • 利用突触型神经形态处理器采用二进制稀疏编码 QUBO 模型

    本研究探讨了计算图像稀疏二进制表示的问题，并使用 Loihi 1 神经形态芯片解决了二元稀疏编码问题，对比了其与经典的模拟退火方法的优劣。

    Jun, 2023

  • 使用 D-Wave 2X 上的量子推理进行图像分类

    利用量子退火 D-Wave 2X 计算机实现稀疏编码问题的最优解，通过瓶颈自编码器将 MNIST 图像降维，再使用类似 AlexNet 的 TensorFlow 结构进行分类。利用线性支持向量机对 D-Wave 2X 推断出的稀疏表示进行分类，分类准确率高达 95.68%。

    May, 2019

  • 量子辅助下学习嵌入式概率图模型

    通过嵌入技术添加冗余数据集，可以提高量子模拟器的模型容量，因此，我们的方法可以避免其每次迭代基于推断有效温度的需求，从而加快了学习速度，减轻了参数控制噪声的影响，使其能够验证使用量子计算实现生成模型的可行性，并为这些量子技术在与机器学习相关的任务上进行基准测试提供了适当的框架。

    Sep, 2016

  • 一种用于图像分割的脉冲神经网络

    本文研究了基于神经形态计算在计算机视觉领域中的可扩展性，为了实现在降低功耗的同时达到非神经形态计算的性能。我们将深度神经网络架构 U-Net 转化为脉冲神经网络架构，并采用 ISBI 2D EM Segmentation 数据集对其进行训练和优化。我们提出了一种优化多芯片网络部署的分区方法，并探讨了对定期发放率进行正则化以最小限度地减少精度损失和优化能量消耗的优势。最终在 Intel Loihi 神经形态芯片上进行的神经形态实现比传统硬件 (CPU，GPU) 在线运行时节省能源的倍数，同时在不牺牲网络的任务性能准确性的情况下实现了这些功率改进。

    Jun, 2021

  • 基于 Loihi 的传导式脉冲图神经网络

    本研究介绍了一种针对 Loihi 2 设计的完全神经形态的尖峰图神经网络实现，利用 Lava 贝叶斯优化优化网络参数，用于引用图分类。结果表明，与现有的浮点实现相比，整型精度的 Loihi 2 兼容尖峰神经网络在引用图分类方面具有可比较的准确性。

    Apr, 2024

  • 神经形态硬件上的超低功耗图像分类

    基于时间编码的 ANN 到 SNN 转换方法 Quartz 在神经形态硬件上实现了高分类准确性，通过时间编码在功耗、吞吐量和延迟方面具有优势。

    Sep, 2023

  • 量子退火单幅图像超分辨率

    本文提出利用量子计算算法解决单图像超分辨率问题，该算法可以使用量子退火器通过稀疏编码优化问题来实现，其中鉴于量子计算在机器学习问题中的应用和量子并行性质，将实现比经典方法更快的速度并保持可比较的准确率。

    Apr, 2023

  • 用绝热量子计算机进行图像识别 I. 映射到二次无约束二进制优化

    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

  • 基于 QUBO 和受限玻尔兹曼机的量子退火适用的图像去噪框架

    研究了一种基于受限玻尔兹曼机的二元图像去噪框架，其引入了一个二次无约束二元优化（QUBO）形式的去噪目标，非常适用于量子退火。

    Jul, 2023

  • 在 Ising 机上训练多层神经网络

    该研究提出了一种用于训练量化神经网络（QNN）的 Ising 学习算法，该算法通过二进制编码网络拓扑和损失函数的降阶，实现了在 Ising 机器上训练多层前馈神经网络。该算法的空间复杂度约为 O (H^2L + HLNlogH)，通过模拟 Ising 机器在 MNIST 数据集上验证了其有效性。

    Nov, 2023