TabularQGAN：一种用于表格数据的量子生成模型

在本文中，我们提出了一种用于合成表格数据的新型量子生成模型。在真实数据稀缺或涉及隐私的场景中，合成数据极具价值，可用于增强或替代现有数据集。真实世界的企业数据主要以表格形式存在且具有异构性，通常包含分类特征与数值特征的混合，这使得其在医疗保健、金融和软件等各个行业中具有高度相关性。我们提出了一种量子生成对抗网络架构，具有灵活的数据编码和新型量子电路拟设，以有效地对表格数据进行建模。所提出的方法在 MIMIC III 医疗保健数据集和 Adult Census 数据集上进行了测试，并与领先的经典模型 CTGAN 和 CopulaGAN 进行了广泛基准测试。实验结果表明，就 SDMetrics 的总体相似度得分而言，我们的量子模型平均优于经典模型 8.5%，同时仅使用了经典模型 0.072% 的参数。此外，我们使用两个自定义指标评估了模型的泛化能力，证明了所提出的量子模型能够生成有用且新颖的样本。据我们所知，这是成功处理表格数据的量子生成模型的最早演示之一，表明该任务可能非常适合在量子计算机上运行。