量子科技中心_量科网

量子生成模型利用量子叠加与纠缠特性提升对经典和量子数据的学习效率。受经典模型启发提出的量子去噪扩散概率模型（QuDDPM）被视为量子生成学习的潜力框架，该模型能高效学习并生成量子数据，在学习关联量子噪声模型、量子多体相态及量子数据拓扑结构方面表现优异。然而，该研究团队发现由于采用2-design态作为去噪过程输入，QuDDPM会出现贫瘠高原现象，严重影响其性能。通过理论分析与实验验证，研究人员确认了原始QuDDPM中贫瘠高原的存在。为解决该问题，该工作提出改进版QuDDPM，采用与哈尔分布保持特定距离的输入分布以确保更好的可训练性。实验结果表明，该方法有效缓解了贫瘠高原问题并生成更高质量的样本，为可扩展的高效量子生成学习开辟了道路。