量子玻恩机生成对抗网络

10轮保真度超90%

纯量子生成对抗网络，生成器和判别器均由量子神经网络实现，不依赖经典组件，训练更稳定且适应噪声环境。

Yifan, Ding · Zi, Li · 周南润

Advanced Engineering Informatics 2025

参数信息

保真度

90 %

保真度

99 %

验证成本

1

技术优势

训练更稳

量子信息在相邻层间通过连续映射传播，无需经典组件参与，增强网络训练稳定性。

抗噪声

模型在退极化噪声环境下保持鲁棒，适用于当前NISQ硬件条件。

高维可用

在高维希尔伯特空间中具有良好的可扩展性和计算效率，适用于大尺度量子态。

应用场景

• 量子机器学习：用全量子模型提升训练稳定性
• 量子态生成：快速生成高保真目标量子态
• 量子模拟：合成量子态以增强数据多样性
• 生成模型：提供纯量子生成模型方案