ReCon：重新配置类Rydberg原子量子计算机以实现量子生成对抗网络
量子物理
2024-10-11 v2 计算机视觉与模式识别
新兴技术
摘要
量子计算在包括使用生成对抗网络（GANs）进行生成任务的几项机器学习任务中展现出理论加速潜力。尽管量子计算机已采用不同类型的技术，但最近，类Rydberg原子量子计算机已被证明具有诸如可重新配置量子比特位置和多量子比特操作等理想属性。为利用这一技术属性，我们提出ReCon，即在类Rydberg原子量子计算机上实现量子GAN的首个工作。我们的评估通过仿真和真实计算机执行显示，其生成图像在使用遥感肤质距离（Frechet Inception Distance, FID）衡量的质量方面比在超导量子比特技术上实现的最新技术高出33%。
引用
@article{arxiv.2408.13389,
title = {ReCon: Reconfiguring Analog Rydberg Atom Quantum Computers for Quantum Generative Adversarial Networks},
author = {Nicholas S. DiBrita and Daniel Leeds and Yuqian Huo and Jason Ludmir and Tirthak Patel},
journal= {arXiv preprint arXiv:2408.13389},
year = {2024}
}
备注
ReCon will appear in the Proceedings of the International Conference on Computer-Aided Design (ICCAD), 2024