基于自适应非局域观测量的量子超分辨率

超分辨率（SR）旨在从低分辨率（LR）观测中重建高分辨率（HR）数据。经典深度学习方法已显著推进了超分辨率，但需要日益加深的网络、大型数据集和大量计算来捕捉细粒度相关性。在这项工作中，我们提出了首个研究量子电路用于超分辨率的探索。我们提出了一个基于变分量子电路（VQCs）和自适应非局域观测量（ANO）测量的框架。与具有固定泡利读出的传统 VQCs 不同，ANO 引入了可训练的多量子比特厄米观测量，使得测量过程能够在训练过程中自适应。这种设计利用了量子系统的高维希尔伯特空间以及纠缠和叠加提供的表示结构。实验表明，ANO-VQCs 以相对较小的模型尺寸实现了高达五倍的分辨率提升，为量子机器学习与超分辨率的交叉领域指明了一个有前景的新方向。