超越 Token 的生成式 AI：IQP 电路的量子资源消耗

量子生成建模将采样作为一项生成任务：训练参数化量子电路，使得采样能够重现目标概率分布。瞬时量子多项式时间 (IQP) 电路结合了结构简单性与量子优势的复杂性理论证据。然而，其实用价值不仅取决于表达能力，还取决于其消耗真正量子资源的效率。我们通过魔力（magic）或非稳定态性（non-stabiliserness）的视角来研究这一问题，将其作为量子生成建模的资源。我们表明，在射影 Hilbert 空间中，基于保真度和测地线的既定计算进展概念不适用于生成模型，因为操作性能是由输出概率分布而非量子态本身决定的。我们直接在概率单纯形上评估魔力消耗，使用 Jensen-Shannon 散度的变化来量化进展。将此框架应用于训练好的随机 $\gamma$ 稀疏 IQP 电路，显示了高效魔力使用的特征，其主要贡献来自双量子比特门。由于 IQP 电路相对于具有相同采样分布的相位随机化态产生了极低的中间魔力，这使得基于 IQP 的量子生成模型成为在早期容错架构上实现资源高效量子优势演示的有希望的候选者。