QTabGAN：用于表格数据合成的混合量子-经典生成对抗网络
机器学习
2026-03-06 v2 量子物理
摘要
合成逼真的表格数据具有挑战性，主要由于特征类型的异构性和高维度。我们引入QTabGAN，一个用于表格数据合成的混合量子-经典生成对抗框架。QTabGAN特别适用于真实数据稀少或受隐私限制的场景。该模型利用量子电路的表现力来学习复杂的数据分布，然后通过经典神经网络映射到表格特征。我们在多个分类和回归数据集上评估了QTabGAN，并将其与领先的生成模型进行了基准测试。实验表明，QTabGAN在各种分类数据集和评估指标上实现了最高可达54.07%的改进，从而建立了可扩展的量子方法用于表格数据合成，凸显了其在量子辅助生成建模中的潜力。
引用
@article{arxiv.2602.12704,
title = {QTabGAN: A Hybrid Quantum-Classical GAN for Tabular Data Synthesis},
author = {Subhangi Kumari and Rakesh Achutha and Vignesh Sivaraman},
journal= {arXiv preprint arXiv:2602.12704},
year = {2026}
}
备注
21 pages, Minor revisions to improve clarity