画像分類のための量子エクストリーム学習機の活用

量子機械学習への関心は、古典的手法では取り組むのが難しい問題に対する効率的な解決策を開発する可能性が高まるにつれて、ますます高まっています。このコンテキストにおいて、本研究は画像分類タスクに対する量子機械学習技術の使用に焦点を当てています。私たちは、量子リザーバー基盤が提供する豊富な特徴マップを活用して、量子エクストリーム学習機を利用します。データセットの準備から画像の最終分類まで、量子エクストリーム学習機プロセスの異なるフェーズを体系的に分析します。特に、主成分分析を通じたエンコーディングとオートエンコーダーの使用、ならびに量子リザーバーのための異なるハミルトニアンを用いたモデルのダイナミクスを調査します。私たちの結果は、量子リザーバーの導入が分類器の精度を体系的に改善することを示しています。加えて、異なるエンコーディングは著しく異なるパフォーマンスを引き起こす可能性がありますが、相互作用している限り、異なる接続性を持つハミルトニアンは同じ識別率を示します。