量子科技中心_量科网

量子机器学习被认为是量子计算机最具前景的应用之一。目前已经发布了多种量子机器学习方法，包括量子退火机、量子神经网络、变分量子算法和量子储备池计算机。与传统规模相当的神经网络相比，这些方法能大幅降低能耗消耗。其中量子储备池计算机对输入数据规模没有限制，但其精度尚未达到实用要求，当前精度提升工作主要集中于硬件改进方向。为此，该研究团队从软件层面提出创新方案——量子储备池生成对抗网络（GAN），将量子储备池计算机作为GAN的生成器。通过在CIFAR10数据集上进行手写数字单字符和单色图像生成实验，验证了该方案的生成精度优于量子GAN、经典神经网络和普通量子储备池计算机。