量子科技中心_量科网

量子生成模型为探索高维希尔伯特空间提供了新方法，但在应用于多模态分布时面临可扩展性和表达能力方面的重大挑战。本研究探讨了一种结合自适应非局域观测量（ANO）的混合量子-经典U-Net架构作为潜在解决方案。通过将经典数据压缩至稠密量子潜空间并利用可训练观测量，该模型旨在提取可补充经典处理的非局域特征。研究人员还考察了跳跃连接在反向扩散过程中保持语义信息的作用。完整MNIST数据集（数字0-9）上的实验结果表明，该架构能为所有数字类别生成结构连贯且可识别的图像。虽然硬件限制仍对分辨率造成制约，但该工作表明：具有自适应测量的混合架构为缓解NISQ时代的模式坍缩、增强生成能力提供了可行路径。