🔬 光学

Seeing Why: Exact Evidence Maps for Quantum and Optical Image Classifiers

本文介绍了玻恩证据图（Born Evidence Maps, BEM），这是一种通过将类别概率分解为可测量的振幅贡献，从而解释线性量子和全光学图像分类器的精确且无近似的方法，并证明了其在识别关键特征以及揭示跨模拟与真实 IBM 量子硬件实验中的数据捷径方面的有效性。

原作者： Teerawat Tongloy, Rangsan Jomtarak

发布于 2026-11-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Teerawat Tongloy, Rangsan Jomtarak

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

当计算机观察一张照片并决定它看到了什么时，其背后的推理过程通常是一个谜。即使是最先进的系统也表现为“黑盒”：它们输入一张图像，然后输出一个标签，但两者之间的路径隐藏在复杂的计算层之中。科学家们已经开发出一些方法来猜测图像中哪些部分最重要，但这些猜测往往只是近似值，无法与最终决策对等。这种缺乏透明度的现象是一个显著的障碍，尤其是当研究人员开始使用光子或量子粒子而非传统的硅芯片来构建分类器时。如果这些新机器要获得信任，我们需要确切知道它们为什么做出某种选择，而不仅仅是一个猜测。挑战在于找到一种方法，能够看清机器内部的推理过程，将决策追溯到驱动该决策的具体像素，且不损失准确性或依赖粗略的估计。

现在，一个研究小组建立了一个系统，解决了光学和量子图像分类器中的这一问题。他们创造了一台机器，既能观察图片，又能同时生成一张图谱，显示出该图片的哪些部分对答案做出了贡献。与以往仅提供估计值的方法不同，该系统提供的是精确的核算。机器收集到的每一份证据都能完美地汇总为其决策的最终概率。研究人员在两种截然不同的硬件上展示了这一点：一个是量子计算机芯片，另一个是由透镜和光组成的模拟光学平台。在这两种情况下，他们都能指出让机器识别出船只、豹子或汽车的具体像素，并且能够证明这些像素是做出决策的真正原因。

这项工作的核心是一种新的图像编码方式，使机器能够平等地对待暗部和亮部特征。在许多系统中，照片中的明亮区域会主导分析过程，导致机器忽略黑暗但重要的细节。研究人员通过将图像进行平移，使平均亮度成为一个中性参考点，从而解决了这个问题。这使得船体上的阴影与天空中的亮斑具有同等的分量。一旦图像经过这样的准备，它就会通过一系列滤波器。在光学版本中，光线穿过一系列弯曲并塑造光束的玻璃板。在量子版本中，图像被转化为少量量子比特的状态，随后通过特定的操作序列进行处理。这两条路径最终都指向一个决定物体类别的测量结果。

这项工作的独特之处在于逆向工程决策的能力。研究人员表明，这些线性系统背后的数学原理允许他们将最终概率分解为来自每一个像素的贡献。他们称之为“玻恩证据图”（Born evidence maps）。这些图谱就像热力图一样，突出了推动机器得出特定答案的部分，并显示了哪些部分将其拉离了答案。由于数学过程是精确的，所有像素贡献的总和等于机器对其答案的置信度。这里不涉及任何近似；解释本身与决策一样精确。这与许多其他方法有着显著区别，那些方法通常需要通过反复运行图像并遮挡不同部分，来猜测哪些部分起到了作用。在这里，解释直接来自于单次图像运行的结果。

为了测试这些图谱是否真的有用，研究人员进行了一项严格的实验。他们采用一组测试图像，并有系统地删除了图谱所指出的最重要的像素。当他们仅删除百分之五的高证据像素时，机器的准确率从百分之七十三骤降至百分之九。这证明了图谱正确地识别了关键特征。相比之下，当他们根据旧的、精度较低的方法删除像素时，机器的准确率几乎没有下降。这些图谱还揭示了他们使用的数据中存在的一个隐藏缺陷：系统注意到，训练集中豹子的照片通常在最顶端边缘有一条暗带，这是照片裁剪方式产生的一个特征。机器学会了利用这条暗带作为识别豹子的捷径，而不是观察动物本身。研究人员利用这些图谱发现了这种行为，从图像中移除了暗带，并重新训练了系统。结果是，机器终于学会了识别豹子的身体和斑点，而不是它上方的空白区域。

随后，研究人员将他们的光学设计运行在真实的量子计算机上，即 IBM 的 ibm_kingston 芯片。他们将三百张测试图像加载到芯片上并要求其进行分类。该机器达到了百分之三十七点七的准确率，这几乎是随机猜测的四倍。更重要的是，他们直接在芯片上为选定的图像测量了证据图。这些真实的测量结果与理论预测的精确图谱具有百分之零点七七的相关性。这证实了量子硬件不仅在做出决策，而且也在产生与理论预测完全一致的内部推理。虽然量子芯片受到将图像加载到内存中的难度限制，但光学模拟显示，在相同的彩色照片集上，一个物理透镜平台可以达到百分之七十二点三的准确率。

该研究还确立了建造此类光学机器的物理要求。研究人员模拟了现实世界中的缺陷影响，例如玻璃板的轻微错位或激光功率的波动。他们发现该系统具有惊人的鲁棒性（稳健性）；它可以容忍微小的对准误差并仍能表现良好。然而，对准必须精确到约一微米，且激光功率在测量期间必须保持稳定。这些发现为希望建造此类设备的工程师提供了清晰的蓝图。这项工作证明，创造出既准确又完全透明的图像分类器是可能的。通过使用光或量子粒子，并设计系统使其具有线性，研究人员消除了决策过程中的神秘感。机器不再仅仅给出一个答案；它展示了其推导过程，逐个像素地证明，通往理解这些新技术如何思考的路径现在已经敞开。

技术摘要：看见原因：量子与光学图像分类器的精确证据图

问题陈述
目前的图像分类器解释方法（如梯度、类激活图、积分梯度和 Shapley 值）通常是近似值。它们往往无法精确地求和至其所解释的决策，或者需要通过路径积分或特征联合进行数值估计。这一问题在量子和光学分类器中依然存在，因为这些分类器通常依赖于带有预训练经典网络的混合架构，或者需要对归因进行数值估计。作者旨在解决一种图像分类器架构的需求，在该架构中，每个输入振幅对每个类别概率的贡献都可以被精确分解（而非近似），并且这些解释可以直接在执行分类的硬件上进行测量。

方法论
本文提出了一种统一的量子比特（qubit）和全光学分类器架构，该架构在振幅编码图像上线性运行，直至最终测量，且在量子/光学变换前后均不使用经过训练的经典网络。

编码（均值平面）： 为了确保暗特征具有与亮特征同等的信号强度，作者从颜色平面中移除了每个图像的通道均值。这些均值被移动到一个专门的“均值平面”（第四个平面），并被缩放以携带图像 50% 的能量。这使得暗偏差能够成为与正向振幅能量相等的负向大振幅。
傅里叶平面掩模： 在主要处理之前，每个颜色平面通过一个在空间频率域中的学习复数掩模进行处理。在光学实验台上，这是一个带有空间光调制器的 4f 系统；在量子比特上，它是一个带有后选择掩模的量子傅里叶变换（QFT）。该滤波器具有平移等变性，并表现为与实核的卷积。
主要处理：
- 量子比特： 一个由 12 个量子比特组成的深度为 11 的“砖墙”（brickwall）电路，由单比特旋转和最近邻 CNOT 组成。
- 光学： 四块间隔 3.2 mm 的相位板，通过菲涅耳衍射传播光线。
读出（Born 剩余空间）： 系统使用“Born 剩余空间读出”（Born Headroom Readout, BHR）。它不是使用标准的 softmax，而是计算每个类别 $g$ 的“剩余空间”（headroom, $u_g$ ），定义为测得的概率（ $P_g$ ）减去该类别的“无信息份额”（ $b_g$ ，即最大混合输入所接收到的质量），并根据剩余空间（ $1-b_g$ ）进行归一化。这些剩余空间通过一个固定的 LeakyReLU 和带有预设比例参数 $\phi$ 的 softmax 进行转换，无需在读出层中使用可训练参数。
Born 证据图（BEM）： 核心理论贡献是推导出了类别概率在其无信息份额之上的精确加性分解（ $P_g - b_g$ ）。对于线性映射 $A$ 和投影 $\Pi_g$ ，振幅 $x$ 的证据由 $e_g(x) = a(x) \text{Re}[\langle Mg \rangle(x)] / Z$ 给出，其中 $M_g = A^\dagger(\Pi_g - b_g)A$ 。这种分解是一个代数恒等式，等同于以零基准线为基础的积分梯度，用于底层二次型，并精确求和至 $P_g - b_g$ 。

核心贡献

精确分解： 本文提供了一种线性振幅编码分类器类别概率的闭式、精确分解。与以往方法不同，这些图精确地求和至类别概率以上的基准线，避免了数值近似。
硬件可测量的图： 作者展示了这些证据图可以从硬件测量中直接估算。
- 在量子比特上，通过利用二次型的极化恒等式从类别概率中导出映射，仅需前向和伴随传递（无需 Hadamard 测试）。
- 在光学实验台上，通过测量完整图像、带遮挡块的图像以及保留该块的图像的相机强度来导出映射。
均值平面编码： 引入“均值平面”编码被证明是架构上最重要的改进，它将解释的焦点从背景转移到了物体本身。
统一架构： 单一设计（傅里叶掩模 + 线性变换 + BHR）可同时服务于量子（砖墙电路）和光学（相位板）硬件，并在从 MNIST 到彩色 Caltech-10 的数据集上进行了训练。
数据捷径发现： 证据图被用于识别并移除豹类图像（在未修剪数据集中）中的一个暗帧数据捷径，证明了精确解释在调试数据方面的效用。

结果

性能： 在 Caltech-10（彩色，32x32）上，全光学模型（四块相位板）达到了 72.3% 的准确率。模拟中的量子比特模型（深度 11 砖墙电路）准确率为 54.9%。
硬件执行： 在 IBM 的 ibm_kingston 量子芯片上，量子比特模型在 300 张测试图像上达到了 37.7% 的准确率（是随机概率的 3.8 倍），而精确模拟中的准确率为 56.3%。准确率的下降主要归因于状态加载电路（保真度约为 0.77），而非芯片噪声。
解释质量：
- 删除测试： 按证据量删除前 5% 的像素使准确率从 73% 降至 9%（光学）以及从 56% 降至 5%（量子比特），这与遮挡法（occlusion methods）的效果相当，但所需的运行次数远少。
- 相关性： 在量子芯片上，10 张正确分类图像的 2x2 块证据图与精确图的相关系数 $r = 0.77$ 。
- 物体聚焦： 使用均值平面后，证据集中在物体上（面积份额为 1.32–1.37 倍），而普通的振幅编码则将证据均匀分布。
容差： 对物理光学实验台的模拟表明，该系统对 8 位调制器具有鲁棒性，但需要精确的对准（板片位移 < 0.8 µm，旋转 < 0.25°）以及稳定的激光功率（每帧漂移 < 0.1%）。

意义与声明
论文声称提供了第一个能够将其类别概率精确分解为编码振幅贡献的光学图像分类器，以及第一个没有经过训练的经典网络、且其解释能在真实量子计算机上测量的量子分类器。

作者对结果保持谦逊，明确指出：

全光学模型是一个线性衍射网络；未声称具有量子优势，经典光足以胜任。
其准确率（例如 Caltech-10 上的 72.3%）低于小型电子卷积网络（85.4%）或大型衍射集成系统。
由于采用了减去均值的编码，分解对于编码后的振幅是精确的，而非原始像素。
硬件结果受限于当前量子状态加载的技术水平，而非分类器架构本身。
通过测试集发现了“捷径”，这意味着在修剪集上的结果属于探索性研究，缺乏完全独立的留出集。

其主要意义在于系统的可解释性：即能够直接在硬件上测量（无需近似）线性量子或光学分类器为何做出特定决策，并利用这些图来验证模型是对物体本身还是对背景伪影产生了依赖。

类似论文