🤖 machine learning

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

本文提出了一种混合经典-量子图像分类框架，该框架利用结合了量子启发式振幅编码、局部酉卷积和稳定器码特征提取的专家混合机制，在 MNIST 和 Fashion-MNIST 基准测试上实现了显著低于单一专家的失败率，同时在 GPU 工作站上保持了适度的计算开销。

原作者： Kumari Jyoti, Rohith Babu, Apoorva D. Patel

发布于 2026-07-10

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Kumari Jyoti, Rohith Babu, Apoorva D. Patel

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图教一台计算机识别手写数字或不同类型的衣物照片。通常情况下，计算机通过“眯起眼睛”观察图像，将其稍微模糊化以观察大轮廓，然后将其切分成越来越小的碎片，直到它们能猜出那是什么。这就像从远处看马赛克拼贴画：你会失去微小的细节，但你能分辨出那是一个人脸还是一辆汽车。

但如果我们能用一种“量子启发式”的超能力来做这件事呢？这正是来自印度科学理工学院（IISc）的 Jyoti、Babu 和 Patel 正在探索的内容。他们并没有制造一台真正的量子计算机来做这件事；相反，他们在强大的图形处理器（GPU）上构建了一个聪明的模拟系统，其行为表现得像一台量子机器。他们的目标是：看看一个协同工作的“专家团”是否能比单个专家或标准计算机更准确地猜出图片中的内容。

量子魔术技巧：在不丢失信息的情况下进行模糊处理

在传统方法中，当计算机为了寻找模式而模糊图像时，有点像在吐司上抹黄油：一旦抹开了，你就无法找回原来的纹理了。你会丢失信息。作者称之为“有损”（lossy）。

他们的新策略使用了一种“酉变换模糊”（unitary smearing）技巧。想象一下，这不再是抹黄油，而是一场神奇且可逆的舞蹈。像素（图像中的微小点）会交换位置并混合它们的颜色，进行一场完美的协调表演。没有任何东西被丢弃；一切只是被重新排列了。这就是他们混合系统中“量子”的部分。他们将图像转化为一种叠加态（可以理解为图像同时以许多略微不同的版本存在），并让这些版本以一种保留了每一个比特信息的方式进行混合。

专家混合机制：一个侦探团队

这就是“专家混合”（Mixture of Experts）发挥作用的地方。想象你有一个装满了侦探的房间，他们正试图通过一张模糊的照片来识别嫌疑人。

旧方法（独立专家）： 每个侦探都戴着自己的眼镜（不同的设置）观察照片并做出判断。然后，大家进行投票。如果 10 个侦探说“是一只猫”，2 个侦探说“是一条狗”，那么就按“猫”的结果来。
新方法（联合专家）： 这些侦探不再单独投票，而是坐在一张大桌子旁。他们汇集所有的观察结果，并做出一个统一的、结合后的决定。

研究发现，联合专家（Joint Experts） 团队是明显的赢家。当侦探们协同工作、共享所有数据时，他们比单独工作并在最后投票的方法要准确得多。

实验结果：更聪明的猜测，更少的错误

团队在两个著名的数据库上进行了测试：

MNIST： 手写数字（0 到 9）的照片。
Fashion-MNIST： 衣物项目（如衬衫、裤子和靴子）的照片。

他们在 NVIDIA H200 GPU 上运行了他们的“量子启发式”模拟。结果如下：

对于手写数字 (MNIST)： 标准计算机方法（经典扩散）的正确率约为 95.02%。新的“联合专家”量子策略达到了 97.63%。这听起来可能不是巨大的飞跃，但在机器学习领域，这是一个巨大的进步。这意味着错误率（出错的情况）减少了一半以上。
对于衣服 (Fashion-MNIST)： 这是更难的测试，因为衬衫和毛衣看起来非常相似。标准方法正确率约为 76.80%。新策略跃升至 86.20%。同样，他们将错误率降低了大约一半。

作者指出，虽然新方法运行时间稍长（每轮训练大约需要 3 到 4 秒，而旧方法为 1.3 秒），但考虑到它能显著减少错误，这种权衡是值得的。

他们没有做的事情（以及他们排除了什么）

了解这篇论文并非在表达什么非常重要。

尚未实现真正的量子计算机： 作者明确表示，他们并没有在物理量子处理器上运行此程序。他们是在经典计算机上模拟了量子行为。他们在附录中提到了如何在真实的量子芯片上实现该方法，但此处展示的结果均来自模拟。
并非解决所有问题的万灵药： 该方法对这些特定类型的图像效果很好。作者指出，对于服装数据集，系统在处理形状过于相似的物品（如“衬衫”与“套头衫”）时仍然会遇到困难。如果形状太像，系统仍会感到困惑。他们并未声称解决了宇宙中所有的图像问题。
独立专家较弱： 论文明确反对仅仅拥有许多专家却不让他们交流的想法。他们发现，“独立专家”方法（即仅进行投票）的表现明显逊于“联合”方法。其魔力在于联合处理，而不仅仅是拥有一个庞大的团队。

核心结论

这篇论文表明，通过借鉴量子物理学的概念（如可逆混合和纠错码），并结合能够分享发现的 AI 专家团队，我们可以构建出比当前标准方法准确度更高的图像分类器。

他们展示了在模拟设置下，这种“量子专家混合”策略能将误判图片的概率比目前最好的经典方法降低约一半。这是一种极具前景且实用的替代方案，可以在现有的硬件上运行，让我们得以窥见未来的量子启发式工具如何帮助我们更清晰地观察世界——逐个像素地观察。

技术摘要：基于量子启发式专家混合模型的图像分类

问题陈述
物理图像处理中的模式识别通常需要从大规模数据集中提取相关特征，而存储和处理时间受到限制。标准的卷积神经网络（CNN）通过基于扩散的平滑（smearing）和分块池化（block-wise pooling）来进行数据降采样以解决这一问题。然而，这些经典机制本质上是具有损耗性的；它们通过降低计算复杂度来牺牲精细的结构细节。虽然量子算法提供了潜在的效率提升，但显著的优势通常需要真实的量子数据输入。本研究旨在通过提出一种混合经典-量子的框架，在最小化降采样过程中信息损失的同时，提高标准图像数据集的特征提取和分类效率，从而应对这一挑战。

方法论
作者提出了一个**量子专家混合模型（QMoE）**框架，该框架实现为一个混合系统，其中量子启发式子程序取代了标准 CNN 中的特定组件，随后通过一个经典的完全连接神经网络（FCL）进行最终分类。该方法由五个关键阶段组成：

状态编码：
- 输入图像（MNIST 和 Fashion-MNIST，原始大小为 28×28）被填充至 32×32 并阈值化为二值（ $c_{x,y} = \pm 1$ ）。
- 图像通过**振幅编码（amplitude encoding）**嵌入到 10 个量子比特状态中： $|\psi\rangle = \frac{1}{32} \sum c_{x,y} |x, y\rangle$ 。这指数级地减少了空间资源需求，使得后续操作可以作用于编码后的状态而非原始像素。
卷积平滑（酉矩阵 vs. 扩散）：
- 经典基准： 使用离散拉普拉斯算子进行迭代扩散： $X^{t+1}_{i,j} = (1-\alpha)X^t_{i,j} + \frac{\alpha}{4}\sum X^t_{neighbors}$ 。这是一个有损过程。
- 量子策略： 使用**无损酉平滑（unitary smearing）**取代扩散。图像网格被分为偶数和奇数子集（棋盘格模式）。局部酉算子（ $U_o, U_e$ ）利用基于泡利矩阵（Pauli matrices）的哈密顿块在基本方块的角点处混合振幅。这种混合受参数 $s = \sin \theta$ 控制，该参数在训练期间进行优化。
专家混合（MoE）：
- 多个“专家”由用于酉平滑的不同参数值（ $\theta_i$ ）定义。
- 独立策略： 每个专家处理图像，并通过多数投票进行组合。
- 联合策略： 所有专家提取的特征被拼接在一起，并由分类器统一处理。论文强调了这种联合方法。
分块池化（稳定器码）：
- 经典基准： 通过 3×3 窗口的加权平均将图像分辨率从 3-32×32 降至 16×16 $\to$ 8×8 $\to$ 4×4。
- 量子策略： 利用 [[5,1,3]] 完美非退化稳定器码（perfect nondegenerate stabilizer code）。由于每个轴的像素坐标被编码在 5 个量子比特中，该代码通过提取伴随式（syndromes，即交换生成元的期望值）来产生每轴 16 个不同的特征。这用确定性的伴随式提取取代了不可逆的降采样，从而保留了特定的结构信息。
分类：
- 提取的特征（每个专家每层 16 个特征）被输入到一个具有漏斗型架构（512 $\to$ 256 $\to$ 128 $\to$ 10）的标准完全连接神经网络（FCL）中。
- 系统使用带有标签平滑（label smoothing）的 Adam 优化器和交叉熵损失函数（CrossEntropyLoss），在配备 GPU 的工作站上使用 PyTorch 进行训练。

核心贡献

混合框架： 本文引入了一种特定的架构，其中经典扩散被酉卷积取代，经典池化被量子稳定器码伴随式提取取代。
专家混合： 研究表明，联合决策过程（每个专家使用不同的平滑参数）的表现显著优于独立专家投票法和单专家经典基准。
高效特征提取： 通过利用振幅编码和稳定器码，该方法将输入维度从 784 个像素减少到 16 个特征（在 MoE 情况下为 $16 \times N_{exp} \times N_{lyr}$ ），同时比传统的有损降采样保留了更多相关信息。
实际应用： 该算法完全在经典 GPU 硬件上实现，采用“量子启发式”方法（通过张量运算模拟量子态），使其无需实际量子硬件即可立即部署。

结果
该框架在 MNIST 和 Fashion-MNIST 数据集上与经典扩散基准进行了基准测试：

MNIST 数据集：
- 经典基准（最优 $\alpha=1.5$ ）实现了 95.02% 的测试准确率。
- 量子联合专家策略（16 个专家，16 层）实现了 97.63% 的测试准确率。
- 这代表其错误率相比经典方法降低了约一倍。
Fashion-MNIST 数据集：
- 由于形状歧义性较高，经典基准的峰值为 76.80%。
- 量子联合专家策略（18 个专家，16 层）实现了 86.20% 的准确率。
- 同样，错误率也降低了大约一倍。
计算开销： 与经典基准相比，联合专家量子启发式模型的每轮迭代时间仅显示出适度的增加，这使得该方法在当前的 GPU 工作站上具有计算可行性。

意义与主张
论文声称所提出的量子启发式策略在图像分类任务中提供了明显的优势，特别是对于像 Fashion-MNIST 这样具有复杂结构特征的数据集。其主要意义在于证明了：

酉卷积比有损的经典扩散保留了更多的图像信息。
基于稳定器码的伴随式提取提供了一种鲁棒的特征缩减方法，其表现优于标准池化。
联合专家分析比独立分析提取了更多相关特征，验证了在此类量子启发式背景下的“专家混合”方法的有效性。

作者总结道，虽然目前的实现是经典的（模拟的），但该框架的设计旨在可在量子处理器上执行（详见附录），这为未来机器学习任务的混合经典-量子处理器提供了一条可行路径。他们也谦虚地指出，该策略是现有经典方案的一种实用替代方案，具有适度的开销，而非旨在取代所有的经典方法。