量子科技中心_量科网

量子生成对抗网络（QGANs）为在近期量子设备上学习数据分布提供了一条前景广阔的路径。然而，现有用于图像合成的QGANs回避直接全图生成，依赖经典后处理或基于分块的方法。这些方法削弱了量子生成器的作用，且难以捕捉全局图像语义。为解决这一问题，该团队提出ReQGAN——一个端到端框架，仅用单个D量子比特电路即可合成完整N=2^D像素图像。ReQGAN突破了阻碍直接像素生成的两大瓶颈：(1) 刚性的经典-量子噪声接口；(2) 归一化量子统计输出与目标像素强度空间之间的不匹配。研究人员引入了可学习的神经噪声编码器实现自适应态制备，并开发了可微分强度校准模块，将测量结果映射至稳定且视觉意义明确的像素域。在MNIST和Fashion-MNIST数据集上的实验表明，ReQGAN在严格量子比特限制下实现了稳定训练和有效图像合成，消融研究验证了各组件的贡献。