关键词quantum generative adversarial networks
搜索结果 - 4
- 量子 GAN 的守护者
训练和推断量子机器学习模型的需求不断增长，为此我们提出了一种水印技术，利用在 qGAN 的训练阶段嵌入的噪声特征作为一种非侵入式的水印，用来追踪训练所使用过的具体量子硬件，从而提供强有力的所有权证明，并开发了一个机器学习分类器来提取这个水印 - MM量子生成扩散模型
此研究介绍了量子生成扩散模型（QGDM），一种完全的量子力学模型，用于生成量子态系列，灵感来自去噪扩散概率模型。QGDM 通过引入时间步骤相关的噪声进入量子态，并配对训练以逆转这种污染的降噪机制，高效地将完全混合态演化成目标量子态。与量子生 - 光子学中的量子生成对抗学习
使用可编程硅量子光子芯片，我们首次在光子学中实验性地演示了 QGAN 模型，并研究了噪声和缺陷对其性能的影响。我们的结果显示，即使在生成器的相移器的一半受损，或者生成器和鉴别器的所有相移器受到高达 0.04π 的相位噪声的条件下，QGAN - 量子生成对抗网络
本文研究如何在量子领域扩展敌对训练的概念，并展示如何构建使用量子电路的生成性对抗网络。我们还展示了如何利用另一个量子电路计算梯度，同时提供了一个简单实用的电路 ansatz 来参数化量子机器学习模型，并进行了简单的数值实验以证明量子生成对抗