量子科技中心_量科网

量子神经网络比经典模型收敛更快且准确率更高。然而，量子机器学习中的数据增强技术仍缺乏深入探索。为解决数据匮乏问题，该研究团队将量子生成对抗网络（QGAN）与混合量子-经典神经网络（HQCNN）相结合，开发出一种增强框架。研究人员提出两种策略：一是提升HQCNN数据处理与分类能力的通用方法；二是根据HQCNN在特定数据类别上的表现动态生成定制样本的个性化策略，从而提高模型从复杂数据中学习的能力。在MNIST数据集上的仿真实验表明，QGAN的表现优于传统数据增强方法和经典GAN。与基准DCGAN相比，QGAN仅用一半参数就实现了相当性能，兼顾了效率与效果。这表明QGAN既能简化模型结构，又可生成高质量数据，从而提升HQCNN的精度与性能。这些发现为量子数据增强技术在机器学习中的应用开辟了新途径。