Quantum Convolution Neural Network

Abstract

In this work, quantum convolutional neural networks are considered in the task of recognizing handwritten digits. A proprietary quantum scheme for the convolutional layer of a quantum convolutional neural network is proposed. A proprietary quantum scheme for the pooling layer of a quantum convolutional neural network is proposed. The results of learning quantum convolutional neural networks are analyzed. The built models were compared and the best one was selected based on the accuracy, recall, precision and f1-score metrics. A comparative analysis was made with the classic convolutional neural network based on accuracy, recall, precision and f1-score metrics. The object of the study is the task of recognizing numbers. The subject of research is convolutional neural network, quantum convolutional neural network. The result of this work can be applied in the further research of quantum computing in the tasks of artificial intelligence.

У даній роботі розглянуто квантові згорткові нейронні мережі в задачі розпізнавання рукописних цифр. Запропоновано власну квантову схему для згорткового шару квантової згорткової нейронної мережі. Запропоновано власну квантову схему для пулінг шару квантової згорткової нейронної мережі. Проаналізовані результати навчання квантових згорткових нейронних мереж. Проведено порівняння побудованих моделей та вибрано найкращу за метриками accuracy, recall, precision і f1-score. Зроблено порівняльний аналіз з класичною згортковою нейроною мережею за метриками accuracy, recall, precision і f1-score. Об’єктом дослідження є задача розпізнавання цифр. Предмет дослідження – згорткова нейромережа, квантова згорткова нейромережа. Результат даної роботи можна застосувати у подальшому дослідженні квантових обчислень у задачах штучного інтелекту.