基于量子机器学习算法的量子图像识别研究

With the advent of the age of big data, the huge computation burden makes the image recognition task more and more challenging. The quantum image processing technology has shown great potential in saving storage space and accelerating the processing. It provides a new way to solve the image recognition problem. The core to perform quantum image recognition is to train the quantum processor to autonomously learn the features of quantum images. The proposed quantum machine learning algorithms show the feasibility of extracting key features from quantum images. This project will study the quantum image recognition technology based on quantum machine learning. The main research contents include three aspects: 1. Research on the encoding schemes of quantum images. 2. Research on the main feature extraction and recognition technology of quantum images. We will use the supervised and unsupervised quantum machine learning algorithms to obtain the principal eigenvectors of the data in various classes and one class, respectively. By doing so, we reduce the data dimensions and realize recognition between the image to be detected and the original database. 3. We will further experimentally demonstrate the quantum image recognition tasks based on different quantum machine learning algorithms in the nuclear magnetic resonance quantum system and analyze their recognition results. This project will form a feasible quantum image recognition scheme and provide a basis for its practical application.

随着大数据时代的到来，巨大的计算量使得图像识别任务变得越来越具有挑战性。量子图像处理技术在节约图像存储空间、加速处理过程中表现出了巨大的潜力，为解决图像识别问题提供了新的思路。量子图像识别过程最重要的是训练量子处理器对量子图像的特征进行自主学习，而量子机器学习算法的提出，显示了进行量子图像特征有效提取的可行性。本项目旨在研究基于量子机器学习的量子图像识别技术，主要的研究内容包括：1.量子图像编码方式的研究；2.量子图像主要特征提取和识别技术的研究，即针对图像有类别和无类别两种情况，分别采用监督和非监督量子机器学习算法对图像进行特征学习，提取主要特征，实现数据维度的降低，并进一步输入待检测量子图像完成与原图像库的识别；3.利用核磁共振系统对基于不同量子机器学习算法的图像识别任务进行实验演示，分析这些方法的实验效果。本项目将形成切实可行的量子图像识别方案，为并其走向实际应用提供依据。

量子信息处理以量子力学为基础，结合数学、计算机、统计等众多领域发展起来，利用量子系统特有的纠缠、相干叠加等特性，在数据存储、处理和传输等方面展现了超越经典处理的潜力。在本项目的研究中，我们针对量子图像安全问题，设计了不需要辅助比特的量子置乱线路，并在量子处理器中实现了4*4图像的量子置乱，演示了置乱过程，展示了通过隐藏信息实现量子图像安全处理的可行性。在杨-巴克斯特方程的研究中，我们在核磁共振实验体系中同时模拟了方程的两边，原理上验证了YBE的同时保持了方程的统一性，此方法可作为在量子信息领域探索杨-巴克斯特方程的通用方法。在此基础上我们分析了散射矩阵与系统纠缠之间的关系，拓展了杨-巴克斯特方程在量子信息处理中的应用。针对提高系统极化度的问题，我们基于交叉弛豫和免退相干子空间，构建了2-qubit重置序列，并提出一个新的算法冷却，进一步提高冷却上限。此种方法为达到更到的极化度提供了新的资源，可以用来进行新的算法冷却研究，也为分析开放体系可达集问题提供了新思路。在量子精密测量的研究中，我们利用原子纠缠实现原子磁力仪标准量子极限的突破。实验中实现了对原子自旋 -4.6 dB的量子压缩，并将该技术应用于电导率测量任务中，在钛金属片上观测到了量子自旋压缩对电导率测量任务的提升，实现电导率测量的量子噪声层面的提升，打破了标准量子极限对探测任务不确定度的限制，开辟了量子增强型精密测量新的应用方向。