基于 trapped-ion 与超导量子比特技术的基于风格的量子生成对抗网络数据增强实验

在当前噪声中间规模量子计算时代，以及过去几年中我们看到的量子硬件显著进步之后，了解不同量子算法在不同类型的硬件上如何表现至关重要。这包括它们是否可以实际实现，以及如果可以实现，其结果质量如何。本工作首次定量地展示了基于风格的量子生成对抗网络（qGAN）的量子生成器架构是否不仅可以实现，而且在两种用于数据增强的截然不同的硬件类型上也能获得良好结果：基于超导 transmon 量子比特的 IBM bm_torino 量子计算机（使用 Heron 芯片），以及基于 trapped-ion 量子比特的 aria-1 IonQ 量子计算机。该基于风格的 qGAN 于 2022 年提出，扩展了 qGAN 的最佳方法，允许使用浅层网络。两种设备上获得的结果质量相当，aria-1 设备比 ibm_torino 设备提供了略为准确的结果，而 ibm_torino 上的运行时间显著短于 aria-1。还展示了对电路的并行化处理，即在 IBM 量子系统上使用最多 48 个量子比特，在 IonQ 系统上使用最多 24 个量子比特，这显著减少了提交的作业次数，并允许大幅度减少在量子处理器上生成总样本数的运行时间。