中文

基于矩阵乘积态的自适应非局域可观测量量子超分辨率的扩展

量子物理 2026-07-11 v1
作者: Shih-Lung Yu , Ming-Kang Ho , Tai-Yue Li , Sheng Yun Wu
在 arXiv 上查看 ↗ PDF ↗

摘要

本工作提出了一种用于图像超分辨率(SR)中自适应非局域可观测量变分量子电路(ANO-VQC)的矩阵乘积态(MPS)模拟框架,超越了态矢量模拟的实际限制。在单个NVIDIA RTX 4070 GPU上的运行时基准测试表明,在测试的浅电路设置下,MPS完成了对高达16 x 16像素(256量子比特)的单个输入的ANO-VQC前向特征提取,而态矢量模拟在6 x 6输入(36量子比特)时遇到内存瓶颈,精确张量网络(Exact TN)收缩在12 x 12输入(144量子比特)之外变得计算上不可行。对于固定的7 x 7输入(49量子比特),在深度L = 1到L = 4上的键维扫描表明,所需的MPS键维随电路深度增加。使用Exact TN收缩作为参考,实现近乎精确一致所需的键维从L = 1时的chi = 2增加到L = 4时的chi = 16。最后,使用chi = 16进行7 x 7到28 x 28 Fashion-MNIST SR训练表明,浅层L = 1模型在测试深度中实现了最低的损失和最佳的LPIPS、PSNR和SSIM。这些结果凸显了MPS作为ANO-VQC图像SR的可扩展且可控的模拟后端,以及作为研究大规模量子算法的实用工具。

关键词

矩阵乘积态 变分量子电路 图像超分辨率 非局域可观测量 张量网络模拟 量子机器学习

引用

@article{arxiv.2607.10280,
  title  = {Scaling Adaptive Non-Local Observable Quantum Super-Resolution via Matrix Product States},
  author = {Shih-Lung Yu and Ming-Kang Ho and Tai-Yue Li and Sheng Yun Wu},
  journal= {arXiv preprint arXiv:2607.10280},
  year   = {2026}
}