量子科技中心_量科网

医学研究中的生成学习模型对于开发深度学习模型的训练数据和推进诊断工具至关重要，但高质量多样化图像的问题仍是开放研究课题。量子增强生成模型虽已在文献中被提出并测试，但此前仅限于产业应用规模以下的小型问题。该研究团队提出量子增强扩散模型和变分自编码器（VAE）模型，并在眼底视网膜图像生成任务中进行验证。数值实验表明，量子增强模型生成的图像质量更高——经外部验证86%被评为可分级图像（经典模型为69%），且相较于经典扩散模型生成结果，其图像特征更接近真实图像分布，即使经典模型的参数量更大。通过噪声测试进一步验证发现：在量子硬件噪声环境下，量子增强扩散模型有时能生成多样性和保真度更优的图像。这些结果表明，针对工业级实际问题的生成建模，基于现有量子硬件的量子扩散模型是探索量子计算实用价值的重要研究方向。