一种量子条件生成对抗网络算法OA北大核心
A Quantum Conditional Generative Adversarial Network Algorithm
量子生成对抗网络是量子机器学习算法领域研究热点之一,但其生成过程具有较大的随机性,不太适用于现实场景.为了解决该问题,提出了一种生成过程可控的量子条件生成对抗网络(Quantum Conditional Generative Adversarial Network,QCGAN)算法,其中条件信息采用one-hot形式进行多粒子W态编码,并通过向生成器和判别器输入条件信息达到稳定模型生成过程的目的.性能评估表明,与经典GAN、CGAN相比,本算法可生成离散数据,且将时间复杂度从O(N 2)降为O(N);与带条件约束的量子生成对抗网络QuGAN相比,QCGAN消耗更少的量子资源.最后,以BAS(3,3)数据集和量子混合态生成为例,选用PennyLane平台进行仿真实验,结果表明QCGAN算法经过训练可有效收敛到Nash均衡点,进而验证了算法的实验可行性.
刘文杰;赵胶胶;张颖;葛业波
南京信息工程大学计算机与软件学院,江苏南京210044数字取证教育部工程研究中心,江苏南京210044南京信息工程大学计算机与软件学院,江苏南京210044南京信息工程大学自动化学院,江苏南京210044
信息技术与安全科学
量子生成对抗网络条件信息W态编码参数化量子电路
《电子学报》 2022 (7)
可验证多客户端盲量子计算及其在复杂安全多方计算问题上的应用
1586-1593,8
国家自然科学基金(No.62071240,No.61802175)江苏省自然科学基金(No.BK20171458)
评论