QonFusion——高斯随机变量的量子方法：在稳定扩散与布朗运动中的应用
量子物理
2023-09-29 v1 人工智能
摘要
在本研究中，我们阐述了一种基于非参数量子电路生成高斯随机变量（GRVs）的策略。这种以量子为中心的方法可作为传统伪随机数生成器（PRNGs，如PyTorch中的\textbf{torch.rand}函数）的替代方案。我们研究的核心主题是将量子随机数生成器（QRNGs）引入经典扩散模型。值得注意的是，我们的量子高斯随机变量生成器兼具双重作用，可同时支撑稳定扩散（SD）与布朗运动（BM）的仿真。这与当前普遍采用参数化量子电路（PQCs，常结合变分量子本征求解器VQEs）的方法形成鲜明对比。尽管传统技术能精确近似复杂体系的基态或建模复杂概率分布，但其需要计算代价高昂的优化过程以调参。我们的非参数策略免除了这一必要步骤。为便于将该方法融入现有计算框架，我们提出了QonFusion——一个兼容PyTorch与PennyLane的Python库，充当经典与量子计算范式间的桥梁。我们通过广泛的统计检验验证了QonFusion，包括确认在给定显著性水平内量子方法所得高斯样本与经典样本统计等价的检验。QonFusion可在\url{https://boltzmannentropy.github.io/qonfusion.github.io/}获取，以复现本文全部结果。
引用
@article{arxiv.2309.16258,
title = {QonFusion -- Quantum Approaches to Gaussian Random Variables: Applications in Stable Diffusion and Brownian Motion},
author = {Shlomo Kashani},
journal= {arXiv preprint arXiv:2309.16258},
year = {2023}
}