krish567366 / quantum-generative-adversarial-networks-pro
PulseAugur coverage of krish567366 / quantum-generative-adversarial-networks-pro — every cluster mentioning krish567366 / quantum-generative-adversarial-networks-pro across labs, papers, and developer communities, ranked by signal.
-
新型量子GAN 'CoQui' 提升图像生成质量
研究人员开发了CoQui，一种新颖的坐标条件量子隐式生成对抗网络（QGAN），用于端到端图像生成。这种新方法通过将图像生成重新表述为隐式函数学习来解决现有QGAN的局限性，其中空间坐标和潜在变量是用于生成变分量子电路参数的经典嵌入网络的输入。该方法直接从颜色量子比特的期望值中获得像素强度，将图像分辨率与量子比特要求解耦，并避免了像素之间的概率竞争。实验表明，CoQui在视觉和定量质量上均优于现有的基于FRQI的生成和PQWGAN等方法…
-
新型量子扩散模型生成量子态
研究人员推出了一种新颖的量子态集合生成方法——量子生成扩散模型（QGDM）。该模型是一个全量子力学的模型，利用基于量子信道理论的非幺正前向过程将目标量子态转化为完全混合态。然后，一个可训练的后向过程通过引入部分迹以确保非幺正步骤并跨时间步共享参数来恢复原始状态。模拟表明，QGDM在生成随机纯态和混合态方面优于量子生成对抗网络，并为吉布斯态生成等实际应用提供了更强的噪声鲁棒性和效率。
-
量子机器学习探测后量子密码学弹性
研究人员探索了使用量子生成对抗网络（QGAN）来评估后量子密码学的弹性。该研究展示了QGAN如何将基于哈希的数字签名的概率分布加载到量子计算机的内存中。这种利用近期混合量子-经典方法的方法，被认为是利用量子计算探测后量子密码学原语漏洞的基础性步骤。