Journal:电子学报

Key Words:量子生成对抗网络；条件信息；W态编码；参数化量子电路

Abstract: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(N2 )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.

Indexed by:Journal paper

Document Code:0372

Document Type:J

Volume:50

Issue:7

Page Number:1586-1593

Translation or Not:no

Date of Publication:2022-07-13