量子启发式生成模型在小型分子数据集上的应用

由于量子计算的日益普及，尤其是近-term设备的发展，量子与量子启发式机器学习已成为一个充满前景且具挑战性的研究领域。理论贡献指出，生成建模是实现这些技术首批真实世界量子优势实例的一个有前景方向。一些实证研究也展示了这种潜力，特别是在考虑基于张量网络的量子启发式模型时。在这项工作中，我们将基于张量网络的生成模型应用于分子发现问题。在我们的方法中，我们使用了两个小型分子数据集：来自QM9数据集的$4989$个分子的子集，以及来自TotalEnergies的$516$个经验证抗氧化剂的内部小型数据集。我们将几种张量网络模型与使用不同基于样本的度量指标的生成对抗网络（GAN）进行比较，这些指标反映了它们在各任务上的学习性能，以及使用每个任务$3$个相关分子指标的多目标性能。我们还组合了模型的输出，并从经验上证明这种组合可能是有益的，主张经典与量子（启发式）生成学习的统一。