Гібридний квантово-класичний Vision Transformer для малопараметричної класифікації зображень

Abstract

Об’єкт дослідження – процес автоматичної класифікації зображень методами глибинного та квантового машинного навчання. Предмет дослідження – гібридна квантово-класична архітектура малого Vision Transformer із варіаційною квантовою класифікаційною головою. Мета роботи – розробка та дослідження малопараметричної гібридної моделі для класифікації зображень, що поєднує класичне формування ознак із квантовим варіаційним перетворенням. Методи дослідження – аналіз джерел, математичне моделювання варіаційної квантової схеми, програмна реалізація моделей мовою Python із використанням PyTorch, TorchVision і PennyLane, а також експериментальне порівняння моделей за метриками accuracy, precision, recall і F1-score. У результаті роботи розроблено модель QuantumTinyViT, яка поєднує малий Vision Transformer із варіаційною квантовою схемою. Класична частина формує компактне представлення зображення, а квантовий шар виконує кутове кодування, параметризовані операції та вимірювання Паулі-Z. Проведено порівняння з класичною моделлю TinyViT з лінійною головою та оцінено доцільність використання варіаційної квантової схеми для малопараметричної класифікації зображень.