量子特征放大网络(QFAN):一种自回归量子生成模型

直接寄存器量子生成模型在量热器簇射模拟中,将量子输出维度与图像维度绑定,因此所需寄存器规模随完整图像增长。近期量子辅助方法仅通过将部分生成任务转移至混合潜变量模型来缓解这一压力。因此,当前量子演示仍远未达到高能物理中使用的探测器级几何规模。本文提出量子特征放大网络(QFAN),通过将图像生成为一系列区块来消除寄存器规模瓶颈。每个区块由同一小型参数化量子电路生成,并基于已生成像素的压缩摘要进行条件化处理。电路复用将量子比特需求限制在区块规模而非完整图像规模,同时对于本文使用的泡利可观测量族,每步量子处理成本与图像规模无关。该团队推导了生成链中散粒噪声传播的保守最坏情况界,并给出了可达序列深度的经验解码器容量启发式规则。一个包含十二个共享变分参数的三量子比特电路、闭式岭解码器及事后残差采样器,在模拟器和IBM量子硬件上均能复现量热器簇射的逐像素强度分布、像素间相关性及总能量分布。在此规模下,硬件-模拟器差距与优化预算限制主导设备噪声的预期一致,但实验未从因果上分离这些效应。该结果建立了硬件兼容的原理验证,并激励(但未验证)该电路族内更大规模的外推应用。

作者单位: VIP可见
提交arXiv: 2026-05-15 15:16

量科快讯