본 연구는 이미지 분류 문제를 해결하기 위해 양자 컴퓨팅의 원리를 활용한 두 가지 하이브리드 접근법을 제안합니다.
첫 번째 접근법은 HQNN-Parallel 모델입니다. 이 방법을 통해 MNIST 데이터셋의 필기체 숫자 이미지를 99% 이상의 정확도로 분류할 수 있었습니다. 클래식 모델은 유사한 98.71%의 성능을 보였지만, 모델 매개변수가 8배 더 많았습니다. 또한 Medical MNIST와 CIFAR-10 데이터셋에서도 우수한 성능을 보여, 이 모델의 일반화 능력을 확인할 수 있었습니다.
두 번째 접근법은 HQNN-Quanv 모델입니다. 이 모델은 클래식 모델과 유사한 67%의 정확도를 보였지만, 첫 번째 레이어의 훈련 가능한 매개변수가 4배 더 적었습니다. 또한 동일한 매개변수 수를 가진 클래식 모델보다 성능이 우수했습니다.
이러한 결과는 클래식 및 양자 방법을 결합하는 하이브리드 접근법의 잠재력을 보여줍니다. 향후 양자 하드웨어 기술의 발전과 더 효율적인 최적화 기법 개발을 통해, 이미지 분류 분야에서 양자 컴퓨팅의 우수성이 더욱 부각될 것으로 기대됩니다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Arsenii Seno... at arxiv.org 03-29-2024
https://arxiv.org/pdf/2304.09224.pdfDeeper Inquiries