一种面向云中人机中心范式的量子-经典混合条件生成对抗网络算法
机器学习
2024-05-14 v1 新兴技术
量子物理
摘要
作为旨在弥合人类活动与计算系统之间差距的新兴领域，云、边缘、雾中的人机中心计算（HCC）对人工智能算法产生了巨大影响。量子生成对抗网络（QGAN）被认为是最具应用前景的量子机器学习算法之一，其也应改进以符合人机中心范式。QGAN的生成过程相对随机，且生成的模型不符合人机中心理念，因此不太适用于真实场景。为解决这些问题，提出了一种量子-经典混合条件生成对抗网络（QCGAN）算法，这是一种可在云中实现的知识驱动人机交互计算模式。通过在生成器和判别器中输入人工条件信息，实现了稳定生成过程以及人与计算过程交互的目的。生成器采用全连接拓扑的参数化量子电路，便于训练过程中网络参数的调优。判别器使用经典神经网络，有效避免了量子机器学习的“输入瓶颈”。最后，选取BAS训练集在量子云计算平台上进行实验。结果表明，QCGAN算法在训练后能有效收敛至纳什均衡点，并执行人机中心的分类生成任务。
引用
@article{arxiv.2310.00246,
title = {A hybrid quantum-classical conditional generative adversarial network algorithm for human-centered paradigm in cloud},
author = {Wenjie Liu and Ying Zhang and Zhiliang Deng and Jiaojiao Zhao and Lian Tong},
journal= {arXiv preprint arXiv:2310.00246},
year = {2024}
}
备注
17 pages, 9 figures