现有的学习 3D 表示的方法是在经典硬件上训练和测试的深度神经网络。尽管理论上预测了量子机器学习架构在速度和表示容量方面的优势,但迄今为止,它还没有被考虑用于这个问题,也没有被考虑用于一般涉及 3D 数据的任务。因此,本文介绍了第一个用于 3D 点云的量子自动编码器。我们的 3D-QAE 方法是完全量子的,即其所有数据处理组件都是为量子硬件设计的。它在 3D 点云集合上进行训练以生成它们的压缩表示。除了找到合适的架构之外,设计这种完全量子模型的核心挑战还包括 3D 数据规范化和参数优化,我们为这两个任务提出了解决方案。在基于模拟门的量子硬件上的实验表明,我们的方法优于简单的经典基线,为 3D 计算机视觉的新研究方向铺平了道路。源代码可在 https://4dqv.mpi-inf.mpg.de/QAE3D/ 获得。
教育硕士(M.Ed.)教育定量分析(QAE)和社会科学方面的计划使学生准备使用严格的数据分析技术来为教育和社会科学领域的研究,管理和政策决策提供信息。该计划为学生在设置中担任应用数据科学家的研究角色为学生做好准备,涉及与大型数据集合作以解决实质性重要性的问题。该计划中的学生将熟练:(1)管理和分析数据,(2)构建和解释研究报告,(3)对测量,调查和研究设计的了解,以及(4)将分析结果和解释传达给广泛的受众。学生将通过这些工具的基于课程的应用在教育和社会科学领域的实际研究问题中获得熟练程度。