🤖 machine learning

Image classification via a quantum-inspired strategy involving a mixture of experts

Dieses Paper schlägt ein hybrides klassisch-quantenbasierte Bildklassifizierungs-Framework vor, das eine Mixture of Experts mit quanteninspiriertem Amplitude-Encoding, lokalen unitären Faltungen und Stabilizer-Code-Merkmalsextraktion nutzt, um im Vergleich zu einzelnen Experten signifikant niedrigere Fehlerraten bei den MNIST- und Fashion-MNIST-Benchmarks zu erreichen, während gleichzeitig ein moderater Rechenaufwand auf GPU-Workstations beibehalten wird.

Ursprüngliche Autoren: Kumari Jyoti, Rohith Babu, Apoorva D. Patel

Veröffentlicht 2026-07-10

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Kumari Jyoti, Rohith Babu, Apoorva D. Patel

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, einem Computer beizubringen, Bilder von handgeschriebenen Zahlen oder verschiedenen Arten von Kleidung zu erkennen. Normalerweise machen Computer dies, indem sie das Bild etwas zusammenkneifen, es ein wenig verschwimmen lassen, um die großen Formen zu sehen, und es dann in immer kleinere Teile zerlegen, bis sie erraten können, was es ist. Es ist wie der Blick auf ein Mosaik aus der Ferne: Man verliert die winzigen Details, aber man kann ein Gesicht oder ein Auto erkennen.

Aber was wäre, wenn wir dies mit einer „quanteninspirierten“ Superkraft tun könnten? Genau das erforschen Jyoti, Babu und Patel vom Indian Institute of Science. Sie haben keinen echten Quantencomputer dafür gebaut, sondern eine clevere Simulation auf leistungsstarken Grafikkarten (GPUs) entwickelt, die sich wie eine Quantenmaschine verhält. Ihr Ziel? Zu sehen, ob ein Team von „Experten“, die zusammenarbeiten, besser erraten kann, was in einem Bild zu sehen ist, als ein einzelner Experte oder ein Standardcomputer.

Der Quanten-Zaubertrick: Verschwimmen ohne Verlust

Auf die herkömmliche Art, wenn ein Computer ein Bild verschwommen darstellt, um Muster zu finden, ist das ein wenig so, als würde man Butter auf Toast schmieren: Sobald man sie verstrichen hat, kann man die ursprüngliche Textur nicht wieder zurückbekommen. Man verliert Informationen. Die Autoren nennen dies „verlustbehaftet“ (lossy).

Ihre neue Strategie nutzt einen „unitären Verschwimmungs“-Trick. Stellen Sie sich vor, anstatt Butter zu schmieren, hätten Sie einen magischen, umkehrbaren Tanz. Die Pixel (die winzigen Punkte des Bildes) tauschen ihre Plätze und mischen ihre Farben in einer perfekt koordinierten Routine. Nichts wird weggeworfen; alles wird lediglich neu angeordnet. Dies ist der „Quanten“-Teil ihres hybriden Systems. Sie verwandeln das Bild in eine Superposition von Zuständen (denken Sie daran als ein Bild, das gleichzeitig in vielen leicht unterschiedlichen Versionen existiert) und lassen diese Versionen sich so mischen, dass jedes einzelne Bit an Information erhalten bleibt.

Die Mischung der Experten: Ein Team von Detektiven

Hier kommt die „Mixture of Experts“ (Mischung der Experten) ins Spiel. Stellen Sie sich einen Raum voller Detektive vor, die versuchen, einen Verdächtigen anhand eines unscharfen Fotos zu identifizieren.

Der alte Weg (Unabhängige Experten): Jeder Detektiv betrachtet das Foto mit seiner eigenen Brille (unterschiedliche Einstellungen) und gibt eine Vermutung ab. Dann wird abgestimmt. Wenn 10 Detektive sagen: „Es ist eine Katze“ und 2 sagen: „Es ist ein Hund“, entscheidet man sich für „Katze“.
Der neue Weg (Gemeinsame Experten): Anstatt separat abzustimmen, sitzen alle Detektive an einem großen Tisch. Sie führen alle ihre Beobachtungen zusammen und treffen eine einzige, kombinierte Entscheidung.

Das Papier ergab, dass das Team der Gemeinsamen Experten der klare Gewinner war. Wenn die Detektive zusammenarbeiteten und all ihre Daten teilten, hatten sie viel öfter recht als wenn sie alleine gearbeitet und am Ende nur abgestimmt hätten.

Die Ergebnisse: Schlauere Vermutungen, weniger Fehler

Das Team testete dies an zwei berühmten Datensätzen:

MNIST: Bilder von handgeschriebenen Ziffern (0 bis 9).
Fashion-MNIST: Bilder von Kleidungsstücken wie T-Shirts, Hosen und Stiefeln.

Sie ließen ihre „quanteninspirierte“ Simulation auf einer NVIDIA H200 GPU laufen. Das passierte:

Für die handgeschriebenen Zahlen (MNIST): Die klassische Computermethode (klassische Diffusion) bekam etwa 95,02 % der Antworten richtig. Die neue „Joint Expert“-Quantenstrategie bekam 97,63 % richtig. Das mag nicht nach einem riesigen Sprung klingen, aber in der Welt des maschinellen Lernens ist das eine massive Verbesserung. Es bedeutet, dass die Fehlerrate (das Falschliegen) um mehr als die Hälfte gesenkt wurde.
Für die Kleidung (Fashion-MNIST): Dies war der schwierigere Test, da T-Shirts und Pullover sehr ähnlich aussehen können. Die Standardmethode bekam etwa 76,80 % richtig. Die neue Strategie sprang auf 86,20 %. Auch hier wurde die Fehlerrate um etwa den Faktor zwei gesenkt.

Die Autoren weisen darauf hin, dass die neue Methode zwar etwas mehr Zeit benötigt (etwa 3 bis 4 Sekunden pro Trainingsrunde im Vergleich zu 1,3 Sekunden bei der alten Methode), aber dieser Kompromiss den Wert wert ist, weil der Computer viel weniger Fehler macht.

Was sie nicht getan haben (und was sie ausgeschlossen haben)

Es ist wichtig zu wissen, was dieses Papier nicht aussagt.

Noch keine echten Quantencomputer: Die Autoren stellen explizit klar, dass sie dies nicht auf einem physischen Quantenprozessor ausgeführt haben. Sie haben das Quantenverhalten auf einem klassischen Computer simuliert. Sie deuten im Anhang an, wie dies auf einem echten Quantenchip gemacht werden könnte, aber die hier präsentierten Ergebnisse stammen aus einer Simulation.
Kein Allheilmittel für alles: Die Methode funktioniert sehr gut für diese spezifischen Bildtypen. Die Autoren merken an, dass das System bei dem Kleidungsdatensatz immer noch Schwierigkeiten mit Artiken hatte, die sich sehr ähnlich sehen, wie zum Beispiel ein „Shirt“ gegenüber einem „Pullover“. Wenn die Formen zu ähnlich sind, wird das System immer noch verwirrt. Sie haben nicht behauptet, jedes Bildproblem des Universums gelöst zu haben.
Unabhängige Experten sind schwächer: Das Papier argumentiert ausdrücklich dagegen, dass es ausreicht, viele Experten zu haben, wenn sie nicht miteinander kommunizieren. Der Ansatz der „unabhängigen Experten“ (bei dem sie einfach nur abstimmen) schnitt deutlich schlechter ab als der „gemeinsame“ Ansatz. Die Magie liegt in der gemeinsamen Verarbeitung, nicht nur darin, ein großes Team zu haben.

Das Fazleit

Dieses Papier legt nahe, dass wir, indem wir Ideen aus der Quantenphysik – wie umkehrbares Mischen und Fehlerkorrektur-Codes – ausleihen und sie mit einem Team von KI-Experten kombinieren, die ihre Erkenntnisse teilen, Bildklassifikatoren bauen können, die wesentlich genauer sind als die derzeitigen Standardmethoden.

Sie haben gezeigt, dass dieser „Quantum Mixture of Experts“-Ansatz in ihrem simulierten Setup die Wahrscheinlichkeit, ein Bild falsch zu identifizieren, im Vergleich zu den besten klassischen Methoden um etwa die Hälfte reduziert. Es ist eine vielversprechende, praktische Alternative, die auf heutiger Hardware läuft und einen Ausblick darauf gibt, wie zukünftige quanteninspirierte Werkzeuge uns helfen könnten, die Welt klarer zu sehen – Pixel für Pixel.

Technische Zusammenfassung: Bildklassifizierung mittels einer quanteninspirierten Mixture of Experts

Problemstellung
Die Mustererkennung in der physikalischen Bildverarbeitung erfordert oft die Extraktion relevanter Merkmale aus massiven Datensätzen, bei denen Speicherplatz und Verarbeitungszeit begrenzt sind. Standardmäßige Convolutional Neural Networks (CNNs) adressieren dies durch diffusionsbasierte Verschmierung und blockweise Pooling-Verfahren zur Downsampling von Daten. Diese klassischen Mechanismen sind jedoch inhärent verlustbehaftet; sie degradieren feingliedrige strukturelle Details, um die Rechenkomplexität zu reduzieren. Während Quantenalgorithmen potenzielle Effizienzgewinne bieten, erfordern signifikante Vorteile typischerweise echte Quantendaten als Input. Diese Arbeit adressiert die Herausforderung, die Effizienz der Merkmalsextraktion und Klassifizierung für Standard-Bilddatensätze zu verbessern, indem ein hybrider klassisch-quantenbasierter Rahmen vorgeschlagen wird, der den Informationsverlust während des Downsampling-Prozesses minimiert.

Methodik
Die Autoren schlagen ein Quantum Mixture of Experts (QMoE)-Framework vor, das als hybrides System implementiert ist, bei dem quanteninspirierte Subroutinen spezifische Komponenten eines Standard-CNN ersetzen, gefolgt von einem klassischen vollvernetzten neuronalen Netzwerk (FCL) für die abschließende Klassifizierung. Die Methodik besteht aus fünf Schlüsselphasen:

Zustandskodierung (State Encoding):
- Eingabebilder (MNIST und Fashion-MNIST, ursprünglich 28×28) werden auf 32×32 aufgefüllt (padded) und auf binäre Werte ( $c_{x,y} = \pm 1$ ) geschwommen.
- Bilder werden mittels Amplitudenkodierung in 10-Qubit-Quantenzustände eingebettet: $|\psi\rangle = \frac{1}{32} \sum c_{x,y} |x, y\rangle$ . Dies reduziert den räumlichen Ressourcenbedarf exponentiell und ermöglicht es, dass nachfolgende Operationen auf dem kodierten Zustand statt auf den Rohpixeln operieren.
Konvolutionale Verschmierung (Unitär vs. Diffusion):
- Klassische Baseline: Verwendet einen diskreten Laplace-Operator für iterative Diffusion: $X^{t+1}_{i,j} = (1-\alpha)X^t_{i,j} + \frac{\alpha}{4}\sum X^t_{neighbors}$ . Dies ist ein verlustbehafteter Prozess.
- Quantenstrategie: Ersetzt die Diffusion durch verlustfreie unitäre Verschmierung. Das Bildgitter wird in gerade und ungerade Teilmengen aufgeteilt (Schachbrettmuster). Lokale unitäre Operatoren ( $U_o, U_e$ ) mischen Amplituden an den Ecken elementarer Quadrate unter Verwendung von Hamiltonian-Blöcken, die aus Pauli-Matrizen abgeleitet sind. Das Mischen wird durch einen Parameter $s = \sin \theta$ gesteuert, der während des Trainings optimiert wird.
Mixture of Experts (MoE):
- Mehrere „Experten“ werden durch unterschiedliche Parameterwerte ( $\theta_i$ ) definiert, die in der unitären Verschmierung verwendet werden.
- Unabhängige Strategie: Jeder Experte verarbeitet das Bild, und die Vorhersagen werden mittels Mehrheitsentscheidung kombiniert.
- Gemeinsame Strategie: Die von allen Experten extrahierten Merkmale werden konkateniert und gemeinsam vom Klassifikator verarbeitet. Das Paper betont diesen gemeinsamen Ansatz.
Blockweise Pooling (Stabilisator-Codes):
- Klassische Baseline: Reduziert die Bildauflösung (32×32 $\to$ 16×16 $\to$ 8×8 $\to$ 4×4) durch gewichtete Mittelwertbildung von 3×3-Fenstern.
- Quantenstrategie: Nutzt den [[5,1,3]] perfekten nicht-degenerierten Stabilisator-Code. Da die Pixelkoordinaten in 5 Qubits pro Achse kodiert sind, extrahiert der Code Syndrome (Erwartungswerte kommutierender Generatoren), um 16 distinkte Merkmale pro Achse zu erzeugen. Dies ersetzt das irreversible Downsampling durch eine deterministische Syndromextraktion, die spezifische strukturelle Informationen bewahrt.
Klassifizierung:
- Die extrahierten Merkmale (16 Merkmale pro Experte pro Schicht) werden in ein Standard-vollvernetztes neuronales Netzwerk (FCL) mit einer Trichterarchitektur (512 $\to$ 256 $\to$ 128 $\to$ 10) eingespeist.
- Das System wird unter Verwendung des Adam-Optimierers mit CrossEntropyLoss (einschließlich Label Smoothing) auf GPU-Workstations mit PyTorch trainiert.

Wesentliche Beiträge

Hybrider Rahmen: Das Paper führt eine spezifische Architektur ein, bei der die klassische Diffusion durch unitäre Konvolution und das klassische Pooling durch Quanten-Stabilisator-Code-Syndromextraktion ersetzt wird.
Mixture of Experts: Es demonstriert, dass ein gemeinsamer Entscheidungsprozess unter mehreren Experten (jeder mit anderen Verschmierungsparametern) sowohl die unabhängige Expertenabstimmung als auch die klassische Single-Expert-Baseline signifikant übertrifft.
Effiziente Merkmalsextraktion: Durch die Nutzung von Amplitudenkodierung und Stabilisator-Codes reduziert die Methode die Eingangsdimensionalität von 784 Pixeln auf 16 Merkmale (oder $16 \times N_{exp} \times N_{lyr}$ im Falle von MoE), während sie mehr relevante Informationen als klassisches verlustbehaftetes Downsampling bewahrt.
Praktische Implementierung: Der Algorithmus wird vollständig auf klassischer GPU-Hardware mittels eines „quanteninspirierten“ Ansatzes (Tensor-Operationen, die Quantenzustände simulieren) implementiert, was eine sofortige Einsatzfähigkeit ohne die Notwendigkeit echter Quantenhardware ermöglicht.

Ergebnisse
Das Framework wurde gegen klassische Diffusions-Baselines auf den Datensätzen MNIST und Fashion-MNIST getestet:

MNIST-Datensatz:
- Die klassische Baseline (optimal $\alpha=1.5$ ) erreichte eine Testgenauigkeit von 95,02 %.
- Die Quanten-Joint-Expert-Strategie (16 Experten, 16 Schichten) erreichte 97,63 % Testgenauigkeit.
- Dies entspricht einer Reduktion der Fehlerrate um etwa den Faktor zwei im Vergleich zur klassischen Methode.
Fashion-MNIST-Datensatz:
- Aufgrund höherer Form-Ambiguität erreichte die klassische Baseline einen Spitzenwert von 76,80 %.
- Die Quanten-Joint-Expert-Strategie (18 Experten, 16 Schichten) erreichte 86,20 %.
- Auch hier wurde die Fehlerrate um etwa den Faktor zwei reduziert.
Rechenaufwand: Die Zeit pro Epoche für das quanteninspirierte Joint-Expert-Modell zeigte nur einen moderaten Anstieg gegenüber der klassischen Baseline, was den Ansatz auf aktuellen GPU-Workstations rechentechnisch praktikabel macht.

Bedeutung und Behauptungen
Das Paper behauptet, dass die vorgeschlagene quanteninspirierte Strategie einen klaren Vorteil bei Bildklassifizierungsaufgaben bietet, insbesondere für Datensätze mit komplexen strukturellen Merkmalen wie Fashion-MNIST. Die primäre Bedeutung liegt in der Demonstration, dass:

Unitäre Konvolution mehr Bildinformationen bewahrt als verlustbehaftete klassische Diffusion.
Die Merkmalsextraktion mittels Stabilisator-Code eine robuste Methode zur Merkmalsreduktion darstellt, die das Standard-Pooling übertrifft.
Die gemeinsame Expertenanalyse mehr relevante Merkmale extrahiert als eine unabhängige Analyse, was den „Mixture of Experts“-Ansatz in diesem quanteninspirierten Kontext validiert.

Die Autoren kommen zu dem Schluss, dass die aktuelle Implementierung zwar klassisch ist (simuliert), der Rahmen jedoch so konzipiert ist, dass er auf einem Quantenprozessor ausführbar ist (wie im Anhang detailliert), was einen gangbaren Weg zu hybriden klassisch-quantenbasierten Prozessoren für zukünftige Aufgaben des maschinellen Lernens aufzeigt. Sie merken bescheiden an, dass die Strategie eine praktische Alternative zu bestehenden klassischen Schemata mit moderatem Overhead ist, anstatt ein vollständiger Ersatz für alle klassischen Methoden zu sein.