[4Yin-B] Poster 7

[4Yin-B-25] Improving the Computational Efficiency of Quantum Convolutional Networks via Multiple Pauli Measurements

〇Takuma Miwa^1,2, Yusuke Oda^4,1, Seiya Kawano^5,2, Koichiro Yoshino^3,2,1 (1. Nara Institute of Science and Technology, 2. RIKEN GRP, 3. Institute of Science Tokyo, 4. NII LLMC, 5. Kyoto Institute of Technology)

Keywords:

Machine Learning,Convolutional Network,Quantum Computing

量子畳み込みネットワーク（QCNN）は，NISQ環境においても実装可能性が高く，量子機械学習（QML）分野で注目されている．QCNNは他のQML手法と比較して高い性能が期待される一方，重みフィルタに比例して量子回路を繰り返し実行する必要がある．本研究では重みフィルタ数とチャネル数の関係に着目し，計算効率の改善を目的としたQCNNの設計を提案する．具体的には，出力量子ビットに対するパウリX,Y,Zの期待値を用いて特徴を抽出し，さらにそれらから位相を近似的に復元して次層の入力量子状態として再準備することで，情報を保持しつつチャネル数を抑えた層間伝搬を実現する．MNISTの10クラス分類で評価した結果，計算効率と精度のトレードオフが確認された．