Pixel-Translation-Equivariant Quantum Convolutional Neural Networks via Fourier Multiplexers

Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, eine Katze auf einem Foto zu erkennen. Wenn Sie dem Roboter ein Bild einer Katze links zeigen und ihm dann dieselbe Katze exakt so rechts zeigen, sollte ein intelligenter Roboter erkennen: „Hey, das ist immer noch eine Katze!“ Diese Fähigkeit zu verstehen, dass ein Objekt dasselbe bleibt, auch wenn es sich bewegt, nennt man Translationssymmetrie. In der Welt der klassischen Computer haben wir spezielle Werkzeuge namens Convolutional Neural Networks (CNNs) gebaut, die diese Regel fest integriert haben, was sie unglaublich gut darin macht, Dinge in Bildern zu entdecken.

Stellen Sie sich nun vor, wir wollen diese intelligenten Werkzeuge unter Verwendung von Quantencomputern bauen. Quantencomputer sind wie magische Würfel, die sich gleichzeitig in vielen Zuständen befinden können, was ein riesiges Potenzungial für Geschwindigkeit bietet. Aber es gibt einen Haken: In der Quantenwelt ändert sich die Spielregel, je nachdem, wie Sie das Bild in den Computer einspeisen (das nennt man Kodierung). Wenn Sie ein Bild kodieren, indem Sie jedem Pixel einen spezifischen „Platz“ zuweisen (wie einen Sitzplatz in einem Theater), bedeutet das Bewegen des Bildes, dass sich die Sitzplätze verschieben. Wenn Sie ein Bild jedoch kodieren, indem Sie jedem Pixel eine „Liste von Adressen“ zuweisen (wie in einem Bibliothekskatalog), bedeutet das Bewegen des Bildes, dass sich die Nummern auf den Katalogkarten ändern. Das Papier, das wir heute untersuchen, befasst sich mit einem kniffligen Rätsel: Viele bestehende Quantendesigns wurden gebaut, um die „Sitzplatz-Verschiebungs“-Regel zu berücksichtigen, aber für die „Katalogkarten“-Methode funktioniert diese Regel nicht. Die Autoren erkannten, dass man seinen Quantencomputer wirklich gut darin machen muss, bewegte Objekte zu erkennen, wenn man ihn so baut, dass er die spezifische Art und Weise respektiert, wie seine Daten kodiert sind.

---

Das große Quanten-Missmatch

Die Autoren Dmitry Chirkov und Igor Lobanov von der ITMO University bemerkten eine seltsame Diskrepanz darin, wie Quantencomputer mit Bildern umgehen. Sie nennen dies das „Pixel vs. Qubit“-Missmatch.

Stellen Sie sich vor, Sie haben eine Reihe von Lichtschaltern (dies sind Qubits, die Basiseinheiten der Quanteninformation). In vielen Quantendesigns gingen die Ingenieure davon aus, dass, wenn man die gesamte Reihe von Schaltern einen Platz nach rechts verschiebt, der Computer die neue Anordnung als das gleiche Bild behandeln sollte, nur eben verschoben. Dies ist wie das Verschieben einer Reihe von Dominosteinen; wenn sich das Muster bewegt, ist das Muster immer noch da. Dies wird Qubit Cyclic Shift (QCS) genannt.

Die Autoren untersuchten jedoch eine populäre Methode, Bilder in Quantencomputer einzuspeisen, nämlich FRQI (Flexible Representation of Quantum Images). Bei dieser Methode wird das Bild nicht in den Schaltern selbst gespeichert, sondern in den Adressen der Schalter. Denken Sie an eine Bibliothek, in der die Bücher (Pixel) nicht der Reihe nach in den Regalen (Qubits) liegen; stattdessen haben die Regale Etiketten (Adressen) und die Bücher sind in einem Katalog aufgelistet. Wenn Sie ein Buch von Regal 1 in Regal 2 bewegen, verschieben Sie nicht einfach das Regal; Sie ändern die Nummer auf der Katalogkarte.

Das Papier beweist, dass die „Schiebe-die-Schalter“-Regel (QCS) nicht mit der „Ändere-die-Adresse“-Regel (Pixel Cyclic Shift oder PCS) übereinstimmt, die bei FRQI verwendet wird. Es ist, als würde man versuchen, eine Tür mit einem Schlüssel zu öffnen, der zwar in das Schloss passt, aber die falsche Form für den Griff hat. Wenn Sie ein Quantennetzwerk bauen, das nur die „Schiebe-die-Schalter“-Regel respektiert, wird es daran scheitern, ein verschobenes Bild als dasselbe Bild zu erkennen, wenn diese spezifische Kodierung verwendet wird. Die Autoren argumenten, dass man, um ein echtes „Quanten-Convolutional Neural Network“ (QCNN) für diese Bilder zu bauen, es so konstruieren muss, dass es die „Adress“-Regel respektiert und nicht die „Schalter“-Regel.

Der Fourier-Zaubertrick

Wie also repariert man ein Netzwerk, das nach der falschen Regel sucht? Die Autoren entwickelten eine clevere Lösung unter Verwendung eines mathematischen Werkzeugs namens Fourier-Transformation.

In der klassischen Welt, wenn Sie eine Schallwelle analysieren wollen, können Sie diese in verschiedene musikalische Noten (Frequenzen) zerlegen. Die Autoren erkannten, dass die „Adress-Verschiebungs“-Regel sehr einfach wird, wenn man das Bild durch die Linse dieser „Noten“ betrachtet. Sie nennen dies die Fourier-Basis.

Sie entwarfen einen neuen Typ von Quantenschicht, der wie ein dreistufiger Zaubertrick funktioniert:

1. Übersetzung in Noten: Zuerst nutzt der Quantencomputer ein spezielles Gate (die Quanten-Fourier-Transformation), um das Bild von „Pixeladressen“ in „Fourier-Noten“ umzuwandeln.
2. Der Multiplexer: Als Nächstes wendet es einen speziellen Filter an, den Fourier-Multiplexer. Er ist der Star der Show. Stellen Sie sich ein riesiges Mischpult vor, bei dem jede „Note“ (Frequenz) ihren eigenen einzigartigen Lautstärkeregler und Effekt erhält. Der Computer kann jede Note unabhängig voneinander anpassen, ohne die anderen zu stören. Da die „Verschiebungs“-Regel in diesen Noten eine einfache Änderung ist, garantiert das Anpassen auf diese Weise, dass der Computer die Translationssymmetrie respektiert.
3. Zurückübersetzung: Schließlich wandelt er die Noten wieder in Pixeladressen um, damit der Computer das Ergebnis lesen kann.

Durch den Bau des Netzwerks auf diese Weise schufen die Autoren ein Pixel-Translation-Equivariant QCNN (PCS-QCNN). Das bedeutet, dass das Netzwerk mathematisch garantiert versteht, dass ein verschobenes Bild dasselbe Bild ist, speziell für die FRQI-Kodierungsmethode.

Die Theorie testen: Das verschobene MNIST-Spiel

Um zu sehen, ob ihr neues Design tatsächlich funktioniert, führten die Autoren eine Reihe von Experimenten mit dem berühmten MNIST-Datensatz durch, der handgeschriebene Ziffern (0 bis 9) enthält.

Sie kreierten eine spezielle Herausforderung namens Translated MNIST Benchmark. Anstatt die Ziffern in der Mitte der Seite anzuzeigen, bewegten sie diese zufällig herum (verschoben) um bis zu 8 Pixel. Dies macht die Aufgabe für einen Computer, der keine Bewegung versteht, viel schwieriger.

Sie verglichen vier verschiedene „Spieler“:

1. Klassisches CNN: Der Goldstandard für klassische Computer, der für Verschiebungen entwickelt wurde.
2. Klassisches MLP: Ein Standard-, „dichtes“ neuronales Netzwerk, das nichts über Verschiebungen weiß (wie ein Schüler, der das Antwortblatt auswendig gelernt hat, aber das Konzept dahinter nicht versteht).
3. PCS-QCNN: Das neue Quantenmodell der Autoren, das die Adress-Verschiebungs-Regel respektiert.
4. RBC-QCNN: Ein „Random Basis Control“-Quantenmodell. Dies ist ein Quantenmodell, das exakt wie das der Autoren aussieht, aber anstelle des Fourier-Multiplexers zufällige, die Symmetrie nicht respektierende Regeln verwendet. Es ist die „Kontrollgruppe“, um zu beweisen, dass die Symmetrie entscheidend ist.

Die Ergebnisse:

• Klassischer Showdown: Wie erwartet, dominierte das klassische CNN die Aufgabe mit 97,68 % Genauigkeit, während das dichte MLP mit 48,93 % strauchelte. Dies bewies, dass die Aufgabe tatsächlich sensitiv gegenüber der Translationssymmetrie war.
• Quanten-Showdown: Das neue PCS-QCNN der Autoren erreichte 75,89 %. Das zufällige RBC-QCNN (das die Symmetrie ignorierte) erreichte nur 40,82 %.
• Die Lücke: Das neue Design war um 35,08 Prozentpunkte besser als die Zufallsversion. Dies ist ein riesiger Sieg und deutet darauf hin, dass es entscheidend ist, die spezifische Symmetrie der Datenkodierung zu respektieren.

Dennoch erreichten die Quantenmodelle nicht ganz das Niveau des klassischen CNN (das fast perfekt war). Die Autoren merken an, dass dies wahrscheinlich daran liegt, dass ihr Quantenmodell noch eine „idealisierte“ Simulation ist und noch nicht für die Hardware-Beschränkungen echter Quantencomputer optimiert wurde.

Das „Shot“-Problem: Wenn die Realität zuschlägt

Es gibt noch einen weiteren Twist. Quantencomputer geben Ihnen nicht einfach eine Antwort; sie geben Ihnen eine Wahrscheinlichkeit. Um eine klare Antwort zu erhalten, müssen Sie dem Computer dieselbe Frage viele Male stellen (das nennt man Shots).

Die Autoren simulierten, was passiert, wenn man nicht unendlich viel Zeit hat, Fragen zu stellen. Sie fanden heraus, dass die Genauigkeit sinkt, wenn man nur eine geringe Anzahl von Shots verwendet (wie 128 oder 256). Noch schlimmer noch: Sie entdeckten ein „Trainings-Deployment-Mismatch“. Ein Modell, das bei unendlichen Shots (perfekte Information) perfekt aussieht, kann bei der Anwendung mit einer begrenzten Anzahl von Shots tatsächlich schlechter abschneiden. Es ist wie ein Schüler, der mit einem perfekten Lehrbuch lernt, aber bei einer Prüfung mit einer verschwommenen Fotokopie verwirrt ist.

Dies deutet darauf hin, dass wir, wenn wir diese Quantenmodelle schließlich bauen, nicht nur darauf schauen können, wie gut sie lernen; wir müssen sie so entwerfen, dass sie auch dann robust sind, wenn wir uns keine Millionen von Messungen leisten können.

Das Fazit

Dieses Papier behauptet nicht, die Quantenbilderkennung gelöst oder einen funktionierenden Quantencomputer gebaut zu haben, der die besten klassischen Computer schlägt. Stattdessen hat es ein grundlegendes Logikrätsel gelöst. Es hat gezeigt, dass Symmetrie nicht „One-Size-Fits-All“ ist. Man kann nicht einfach die Regeln der klassischen Faltung oder der generischen Quantensymmetrie auf einen Quantenbild-Encoder kopieren und einfügen.

Die Autoren haben bewiesen, dass man für die populäre FRQI-Kodierungsmethode sein Quantennetzwerk so bauen muss, dass es die „Adress-Verschiebungs“-Regel (PCS) unter Verwendung ihrer neuen Fourier-Multiplexer-Technik respektiert. Ihre Experimente zeigten, dass dies einen massiven Unterschied macht und die Genauigkeit im Vergleich zu einem Modell, das diese Regel ignoriert, um über 35 % steigert. Obwohl es noch Hürden wie die „Shot“-Kosten und Hardwarebeschränkungen gibt, liefert diese Arbeit ein klares, konstruktives Rezept für den Bau von Quantennetzwerken, die tatsächlich verstehen, wie sich Bilder bewegen. Es ist ein wichtiger Schritt, um Quantencomputer nicht nur schneller, sondern auch klüger in Bezug auf die Welt zu machen, die sie zu sehen versuchen.