https://www.tensorflow.org/quantum/tutorials/mnist?hl=ko
본 튜토리얼을 돌려보고, 예제에 대한 분석을 합니다.
예제 요약
QNN 이진 분류기 : 숫자 3과 6을 구별하는 간략화된 이진 분류기.
사용되는 양자 레이어는 아래 블로그의 분류 부분이 classical로 구현된 부분을 따릅니다.
https://luvquantum91.tistory.com/entry/TFQ-%EA%B0%84%EB%9E%B5%ED%99%94%EB%90%9C-Q-layer
아래는 주요 코드만 언급합니다.
1. Keras에서 원시 데이터를 로드한다.
2. 데이터 세트를 3과 6으로만 필터링한다.
3. 양자 컴퓨터에 맞도록 이미지를 축소한다.
-양자 컴퓨터 데이터 처리 한계로 4x4로 축소함. 이 때문에 4개의 cirq 회로가 필요함
4. 모순되는 예를 제거한다.
-양자 컴퓨터 데이터 처리 한계로 4x4로 축소함
-3과 6 레이블 모두에 해당되는 데이터를 제거.
5. 바이너리 이미지를 Cirq 회로로 변환한다.
배열에 한꺼번에 넣어 순차적으로 처리한다.
6. Cirq 회로를 TensorFlow Quantum 회로로 변환한다.
결론
-Quantum과 Classical_fair 동일한 조건으로 실행
-binary data size : 4*4
-batch size : 32
-epoch : 3
Quantum 머신을 사용한다고 정확도가 좋아지는 것은 아님.
정확도를 높이기 위해서는 선형대수학적 문제 풀이 기반 알고리즘을 사용해야 함.
Near-term 기술에서는 정확도가 높다 기대하기 어려움.
'양자컴퓨터 > Quantum Machine Learning' 카테고리의 다른 글
[QML] 양자 머신 러닝에서 Barren plateaus - 불모의 고원 (1) | 2022.08.08 |
---|---|
[QGSS 2021] 양자 컴퓨터 들어가기(1) - 벡터 공간, 텐서곱, 큐비트 (0) | 2022.07.12 |
[QGSS2021] 2021 키스킷 글로벌 여름 학교 리뷰 (양자 머신 러닝에 관하여) (3) | 2022.07.12 |
[TFQ] 기본세팅 (0) | 2022.01.10 |
[TFQ] 간략화된 Q-layer (0) | 2022.01.06 |