Инновационный метод для классификации фотографий с высокой точностью при помощи квантовой сверточной нейронной сети (QCNN) представили физики из НИТУ МИСИС, Российского квантового центра и МГУ. Для обучения нейронной сети ученые улучшили структуру квантовой схемы и математическую модель восприятия информации мозгом.
Сверточные нейронные сети – это модель зрительной коры мозга. Название было подобрано ассоциативно, ведь в человеческом мозге в виде стержневой архитектуры есть отдельные нервные клетки, отвечающие за визуальное восприятие. Компьютеру же изображение представляется в виде числовых связей. Отбор картинок и фотографий по тому или иному признаку осуществляется исходя из базовых характеристик.
Нейронные сети, как метод обучения компьютера по обработке данных, решают множество вычислительных задач. Для расширения их возможностей делается упор на квантовые процессоры, которые будут способны ускоренно реализовать квантовое машинное обучение по квалификации изображений. Такой метод позволит развивать компьютерное зрение.
Как объяснил руководитель научной группы Российского квантового центра Алексей Федоров, предложенный подход для решения задачи классификации четырех классов изображений, был предложен впервые. Для кодирования данных используются восемь кубитов и четыре вспомогательных кубита. Данный подход можно реализовать как на эмуляторах, так и на реальных квантовых процессорах.
