迈向可扩展的离散量子生成对抗神经网络
量子物理
2022-09-29 v1
摘要
我们引入一种旨在处理二进制数据的全量子生成对抗网络。该架构融合了其他经典与量子机器学习模型中出现的若干特征，这些特征此前未被联合使用。特别地，我们在生成器中引入噪声重上传，在判别器中引入辅助量子比特以增强表达能力，并在生成器与判别器电路间建立直接连接，从而无需访问生成器的概率分布。我们展示了生成器和判别器作为独立组件均按预期工作。我们在合成数据以及伊辛模型的低能态上实证演示了模型的表达能力。我们的演示表明，该模型不仅能复现离散训练数据，还可能从中泛化。
引用
@article{arxiv.2209.13993,
title = {Towards a scalable discrete quantum generative adversarial neural network},
author = {Smit Chaudhary and Patrick Huembeli and Ian MacCormack and Taylor L. Patti and Jean Kossaifi and Alexey Galda},
journal= {arXiv preprint arXiv:2209.13993},
year = {2022}
}
备注
11 pages, 11 figures, GitLab repository