[论文解读] Adversarial training of quantum Born machine

Haozhen Situ, Zhimin He+2 more|arXiv (Cornell University)|Jul 3, 2018

Quantum Computing Algorithms and Architecture参考文献 34被引用 4

一句话总结

本文提出了一种量子生成对抗网络（Q-GAN），通过使用经典判别器训练参数化量子线路，以生成符合目标概率分布的数据。通过采用单量子比特和两量子比特门，并利用梯度下降优化参数，作者在小规模实验中证明，量子线路可在对抗设置下有效训练，用于生成建模。

ABSTRACT

Generative adversarial network (GAN) is an effective machine learning framework to train unsupervised generative models, and has drawn lots of attention in recent years. In the meantime, there are some researches that use parameterized quantum circuits to generate simple patterns. In this paper, we present a quantum version of GAN, where parameterized quantum circuits are trained by an adversarial discriminator, to generate new samples that follows the probability distribution of a given training dataset. Two families of quantum circuits, both composed of simple one-qubit rotation and two-qubit controlled-phase gates, are considered. The parameters are learned through classical gradient descent optimization. The results of a small-scale proof-of-principle numerical experiment demonstrate that quantum circuits can be trained in an adversarial way for generative tasks.

研究动机与目标

• 开发一种量子生成对抗网络（GAN）的量子版本，利用量子线路实现无监督生成建模。
• 探究是否可以使用经典优化方法对参数化量子线路进行对抗训练，以学习复杂的数据分布。
• 评估仅使用简单量子门——单量子比特旋转门和受控相位门——在GAN框架中执行生成任务的可行性。
• 证明即使在小规模设置下，量子线路也能通过梯度下降在对抗设置中进行训练。

提出的方法

• 在Q-GAN框架中，使用由单量子比特旋转门和两量子比特受控相位门组成的两族量子线路作为生成器。
• 采用经典判别器网络，用于区分真实训练数据与生成的量子样本。
• 基于判别器的反馈，通过梯度下降法训练量子生成器，优化量子线路的参数。
• 应用玻恩规则，从生成器制备的量子态中提取经典概率分布。
• 通过将判别器的损失反向传播经过参数化量子门，优化生成器参数。
• 通过小规模数值实验，验证Q-GAN设置的训练动态与收敛性。

实验结果

研究问题

• RQ1 参数化量子线路是否能在对抗框架中被有效训练，以生成匹配目标分布的数据？
• RQ2 在GAN设置中，仅使用单量子比特旋转门和受控相位门等简单量子门，能否有效表示复杂概率分布？
• RQ3 当与经典判别器结合时，基于梯度的优化是否适用于训练量子生成器？
• RQ4 在仅使用少量量子比特和浅层电路的情况下，量子生成模型中对抗训练的可行性如何？

主要发现

• 所提出的Q-GAN框架成功利用经典判别器的对抗反馈，训练了参数化量子线路。
• 在小规模实验中，量子生成器学习到的输出分布与目标训练数据分布高度匹配。
• 使用单量子比特旋转门和受控相位门，能够有效参数化用于生成建模的量子态。
• 梯度下降优化对量子生成器是可行的，表明参数更新可在对抗训练循环中计算并应用。
• 数值结果证实，量子线路可在对抗设置下被训练用于生成任务，验证了Q-GAN的核心概念。
• 实验表明，即使在量子比特数量和电路深度有限的情况下，模型仍能捕捉目标分布的关键特征。