量子生成对抗网络概览：架构、用例与实际实现
量子物理
2025-06-24 v1
摘要
量子生成对抗网络（QGAN）已成为量子机器学习中的热门方向，融合了量子计算与对抗训练的优势，实现高效且表现力强的生成建模。本综述提供了QGAN模型的全面概述，突出从理论提案到实验实现的最新进展。我们根据量子-经典混合结构对现有QGAN架构进行分类，并总结了其在图像合成、医疗数据生成、信道预测、软件缺陷检测和教育工具等领域的应用。我们特别关注QGAN与特定领域技术的集成，如优化启发式方法、Wasserstein距离、变分电路和大语言模型。我们还回顾了在光子和离子阱量子处理器上的实验演示，评估了其在当前硬件限制下的可行性。本综述旨在通过梳理QGAN在实际量子优势开发中现有趋势、挑战与机遇，为未来研究指明方向。
引用
@article{arxiv.2506.18002,
title = {A Survey of Quantum Generative Adversarial Networks: Architectures, Use Cases, and Real-World Implementations},
author = {Mujahidul Islam and Serkan Turkeli and Fatih Ozaydin},
journal= {arXiv preprint arXiv:2506.18002},
year = {2025}
}
备注
30 pages, comments and suggestions are welcome