量子科技中心_量科网

量子计算凭借其指数级加速的潜力，正迅速崛起为推进人工智能的强大范式。该研究团队提出首个完全基于量子扩散原理的图像生成框架QSC-Diffusion，该方法在前向过程中融合经典高斯噪声与量子置乱操作，并在逆向去噪阶段采用带测量诱导坍缩的参数化量子电路——实现无需依赖经典神经网络架构或预处理模块的端到端采样。针对深度量子模型的优化难题，该工作提出了兼顾保真度与多样性的混合损失函数，结合分治训练策略以缓解优化高原现象。值得注意的是，QSC-Diffusion在参数量级显著减少的情况下，于多个数据集取得具有竞争力的FID分数，其效率甚至超越了部分量子-经典混合基线方法。这些成果彰显了纯量子生成建模的潜力，标志着可扩展量子机器学习迈出了奠基性的一步。