利用离子阱量子计算机生成高分辨率手写数字

生成高质量数据（例如图像或视频）是无监督机器学习中最令人振奋且最具挑战性的前沿之一。在此类任务中利用量子计算机以潜在增强常规机器学习算法已成为一个有前景的应用，但由于可用设备的量子比特数量有限且门噪声水平较高，这带来了巨大挑战。在这项工作中，我们提供了首个实用且实验性的量子-经典生成算法实现，该算法能够利用最先进的基于门的量子计算机生成高分辨率手写数字图像。在我们的量子辅助机器学习框架中，我们实现了一种基于量子线路的生成模型，以学习并采样生成对抗网络（Generative Adversarial Network, GAN）的先验分布。我们引入了一种多基技术，利用在不同基下测量量子态的独特可能性，从而增强先验分布的表达能力。我们在基于 $^{171}$Yb$^{+}$ 离子量子比特的离子阱设备上训练这一混合算法，以生成高质量图像，并在定量上优于在流行的 MNIST 手写数字数据集上训练的可比经典生成对抗网络。