Rudolph M S, Toussaint N B, Katabarwa A, et al. Generation of high-resolution handwritten digits with an ion-trap quantum computer[J]. Physical Review X, 2022, 12(3): 031010.
論文導(dǎo)讀
很早剛接觸量子計(jì)算的時(shí)候碌尔，想做純的量子GAN生成圖像，但不知道如何做庄岖。在基態(tài)上測量一次窖杀，得到的會(huì)是比特串，這樣對(duì)于梯度的傳播不是很好，因?yàn)榱孔泳W(wǎng)絡(luò)中的梯度傳播是根據(jù)期望來傳播的膊爪。且想要生成實(shí)際的大圖像需要的量子比特?cái)?shù)量很多自阱。后來這個(gè)想法就擱置了。最近看到這篇文章米酬，把量子和經(jīng)典結(jié)合沛豌，并利用真實(shí)量子計(jì)算機(jī)生成高分辨率的圖像。本文借鑒Associated Adversarial Network赃额，量子部分使用QCBM生成隨機(jī)的比特串噪聲加派，輸入到GAN的G中，經(jīng)典部分則是訓(xùn)練常見的GAN跳芳，使其生成手寫數(shù)字芍锦。
模型結(jié)構(gòu)
- 左邊是基于multibasis的QCBM，一個(gè)量子生成模型飞盆，最后在基上測量醉旦，可以生成比特串。
- 右邊是常見的GAN桨啃。
- 二者結(jié)合的思想來源于Associated Adversarial Network车胡，但是這個(gè)思想在經(jīng)典的生成模型中，好像用的很少照瘾，最早在2016年就提出來了匈棘。AAN的思路就是用一個(gè)網(wǎng)絡(luò)去學(xué)習(xí)先驗(yàn)噪聲的分布，而不是直接從正態(tài)分布中取析命。
Multibasis Quantum Circuit Born Machines
QCBM就是一個(gè)簡單的參數(shù)化量子線路主卫，最后在計(jì)算基底上測量，按一定的概率分布得到相應(yīng)的比特串鹃愤。
本文提出一個(gè)想法簇搅，單純的訓(xùn)練一個(gè)QCBM，其實(shí)是訓(xùn)練了很多族樣本分布软吐，只需要在訓(xùn)練好的模型后面增加一些固定或者帶參數(shù)的門瘩将，把模型的末態(tài)轉(zhuǎn)換到其他的態(tài)上，則生成一族新的概率分布凹耙。（這種思路和神經(jīng)網(wǎng)絡(luò)中姿现，使用相同的backbone提取特征，用不同的后續(xù)網(wǎng)絡(luò)處理數(shù)據(jù)有些類似肖抱。）有兩族不同的分布备典，就可以增加采樣得到比特串的長度，直接拼接就好意述。模型共8個(gè)qubit提佣，每次測量得到長度為8的bit串吮蛹，輸入到GAN中生成圖像。
-
拌屏，對(duì)經(jīng)過訓(xùn)練的QCBM匹涮，直接在基態(tài)上測量得到的結(jié)果。
-
槐壳，在QCBM后面添加一層參數(shù)固定的
門之后，在基態(tài)上測量得到的結(jié)果喜每。
-
务唐，在QCBM后面添加一層參數(shù)可訓(xùn)練的
作者在把得到的直接輸入GAN時(shí)枫笛，輸入長度為8，后面還有把在第二族上測量結(jié)果和第一族拼接刚照，輸入的長度為16刑巧。
實(shí)驗(yàn)結(jié)果
使用Inception Score作為評(píng)價(jià)指標(biāo)，越高越好无畔。
