Quantum Hamiltonian Embedding of Images for Data Reuploading Classifiers
यह शोध पत्र एक क्वांटम न्यूरल नेटवर्क मॉडल प्रस्तावित करता है जो क्वांटम हैमिल्टोनियन एम्बेडिंग के साथ डेटा रीअपलोडिंग सर्किट को एकीकृत करता है, जो इमेज डेटासेट्स पर क्वांटम कनवोल्यूशनल न्यूरल नेटवर्क्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है और क्लासिकल डीप लर्निंग ह्यूरिस्टिक्स के आधार पर क्वांटम मशीन लर्निंग के लिए छह डिजाइन सिद्धांत स्थापित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट को तस्वीरें पहचानना सिखाने की कोशिश कर रहे हैं, जैसे कि बिल्ली और कुत्ते के बीच अंतर करना। दशकों से, हमने ऐसा करने के लिए "क्लासिकल" कंप्यूटरों का उपयोग किया है, जिन्हें हमने विशाल, जटिल कारखानों की तरह बनाया है जहाँ डेटा प्रसंस्करण (प्रोसेसिंग) की कई परतों से होकर गुजरता है। लेकिन अब, वैज्ञानिक पूछ रहे हैं: क्या होगा यदि हम एक स्मार्ट, तेज़ रोबोट बनाने के लिए क्वांटम भौतिकी के अजीब, जादुई नियमों का उपयोग करें? इस क्षेत्र को क्वांटम मशीन लर्निंग कहा जाता है। बड़ा सवाल अब केवल गति के बारे में नहीं है; यह इस बारे में है कि क्वांटम कंप्यूटर में तस्वीरें कैसे डाली जाएं। क्लासिकल दुनिया में, आप बस एक फोटो को मेमोरी में डाल सकते हैं। लेकिन क्वांटम दुनिया में, आपको उस फोटो को एक विशेष "क्वांटम भाषा" (जिसे एम्बेडिंग कहा जाता है) में अनुवादित करना होगा बिना तस्वीर के आकार या अर्थ को खोए। यदि आप इसे गलत तरीके से अनुवादित करते हैं, तो रोबोट भ्रमित हो जाएगा। यह शोध पत्र उस अनुवाद समस्या को संबोधित करता है, यह पूछते हुए कि क्या हमें केवल पुराने कंप्यूटर के तरीकों को क्वांटम दुनिया में कॉपी-पेस्ट करना चाहिए या एक नया तरीका आविष्कार करना चाहिए जो क्वांटम भौतिकी की अनूठी प्रकृति का सम्मान करता हो।
इस शोध पत्र के लेखक, मेलबर्न विश्वविद्यालय और UNSW सिडनी की एक टीम ने, क्वांटम मशीनों पर क्लासिकल कंप्यूटर के तरीकों को थोपना बंद करने का निर्णय लिया। इसके बजाय, उन्होंने देखा कि सफल क्लासिकल डीप लर्निंग कैसे काम करती है और उन्होंने उन "अंतर्ज्ञान" (ह्यूरिस्टिक्स) को क्वांटम क्षेत्र में लाने की कोशिश की। उन्होंने एक नए प्रकार का क्वांटम क्लासिफायर बनाया, एक ऐसा मॉडल जिसे छवियों को छाँटने के लिए डिज़ाइन किया गया है, जो दो मुख्य सामग्रियों का उपयोग करता है: एक "डेटा रीअपलोडिंग" सर्किट (जिसका अर्थ है चित्र की जानकारी को क्वांटम कंप्यूटर में कई बार फीड करना, जैसे किसी किताब को बेहतर ढंग से समझने के लिए उसे दो बार पढ़ना) और एक "क्वांटम हैमिल्टोनियन एम्बेडिंग"। हैमिल्टोनियन एम्बेडिंग को एक विशेष लेंस के रूप में सोचें जो पूरी छवि को एक एकल, जटिल क्वांटम "रेसिपी" (एक मैट्रिक्स) में बदल देता है, बजाय इसके कि प्रत्येक पिक्सेल को केवल एक साधारण डायल सेटिंग में बदल दिया जाए। यह क्वांटल कंप्यूटर को पूरी तस्वीर के आकार को एक साथ संसाधित करने की अनुमति देता है, बजाय इसके कि इसे डेटा की एक अव्यवस्थित रेखा में समतल कर दिया जाए।
जब उन्होंने MNIST (हाथ से लिखे अंक) और FashionMNIST (कपड़े की वस्तुएं) जैसे प्रसिद्ध इमेज डेटासेट्स पर अपने नए मॉडल का परीक्षण किया, तो परिणाम आश्चर्यजनक रूप से मजबूत थे। इन सिमुलेशन में, उनके नए मॉडल ने पिछले "गोल्ड स्टैंडर्ड" क्वांटम मॉडल, जिसे क्वांटम कन्वोल्यूशनल न्यूरल नेटवर्क (QCNN) के रूप में जाना जाता है, को पछाड़ दिया। MNIST टेस्ट सेट पर, उनके मॉडल ने लगभग 90% की सटीकता प्राप्त की, जबकि बेसलाइन की सटीकता लगभग 47% थी, जो 40 प्रतिशत अंकों से अधिक का पूर्ण सुधार है। यहाँ तक कि अधिक जटिल FashionMNIST डेटासेट पर भी, इसने अपनी स्थिति बनाए रखी और बेसलाइन से काफी बेहतर प्रदर्शन किया। लेखकों ने केवल संख्याओं पर ही नहीं रोका; उन्होंने इन परिणामों का उपयोग भविष्य के क्वांटम मशीन लर्निंग मॉडल डिजाइन करने के लिए छह नए "सड़क के नियमों" (रूल्स ऑफ द रोड) का प्रस्ताव देने के लिए किया। वे सुझाव देते हैं कि हमें तुरंत चीजों को तेज़ बनाने के प्रति जुनूनी होने के बजाय, डेटा के प्राकृतिक आकार (जैसे एक फोटो का 2D ग्रिड) को बनाए रखने, क्लासिकल कंप्यूटरों पर जितना संभव हो सके उतना कम "प्री-कुकिंग" करने, और उन तरीकों से बचने पर ध्यान केंद्रित करना चाहिए जो गलती से मॉडल को गलत पूर्वाग्रहों (बायस) से छलते हैं। esenciaतः, वे तर्क देते हैं कि क्वांटम कंप्यूटरों को AI में कुशल बनाने के लिए, हमें उन्हें क्लासिकल कंप्यूटरों की तरह व्यवहार करने के लिए मजबूर करना बंद करना होगा और उन्हें क्वांटम कंप्यूटरों की तरह कार्य करने देना शुरू करना होगा, भारी काम करने के लिए क्वांटम भौतिकी के अद्वितीय गणित का उपयोग करना होगा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।