量子科技中心_量科网

量子生成建模是量子计算与机器学习交叉领域中快速发展的新兴学科。当前量子机器学习研究通常局限于小型示例或高度受限的微型数据集，这既受限于现有量子硬件的性能，也源于通用设计缺乏领域相关的归纳偏置。现有量子解决方案不得不采用各种变通方法处理高分辨率图像，例如严重依赖降维技术或使用多个量子模型处理低分辨率图像块。基于近期经典图像加载至量子计算机的技术突破，该研究团队突破了这些限制，在经典MNIST和Fashion-MNIST数据集上成功训练了量子Wasserstein生成对抗网络。通过完整数据集，该系统无需任何变通方法即可生成所有10个类别的全分辨率图像，并以单一端到端量子生成器创造了新的性能标杆。作为原理验证，研究人员还展示了该方法可扩展至彩色图像处理（以街景门牌号码数据集为例）。该工作深入分析了变分电路架构选择如何引入关键性归纳偏置从而解锁性能突破。此外，增强的噪声输入技术在保持生成质量的同时实现了高度多样化的图像生成。最后，实验表明即使在量子散粒噪声条件下仍能获得具有前景的实验结果。