機器學習正在變得越來越強大，其中很大程度上歸功于一種使 AI 互相對抗的算法。這類算法叫做生成對抗網(wǎng)絡(luò) (GAN)，目前可以被用來創(chuàng)作藝術(shù)品，破解加密，以及生成逼真的人類和動物圖片。

最近，科研工作者已經(jīng)將生成對抗網(wǎng)絡(luò)與量子計算相結(jié)合。清華大學交叉信息學院的孫麓巖教授以及他的同事們已經(jīng)利用量子電路實現(xiàn)了生成式對抗網(wǎng)絡(luò)（GAN）。

圖丨此次論文（來源：Science Advance）

生成對抗網(wǎng)絡(luò)是由兩部分神經(jīng)網(wǎng)絡(luò)組成的，分別為生成模型和判別模型。顧名思義，生成模型就是用來生成數(shù)據(jù)的，比如他可以生成一張臉的圖片。然后將真實數(shù)據(jù)和生成模型生成的“虛假”數(shù)據(jù)同時提供給判別模型，讓判別模型來分辨數(shù)據(jù)的真假。就這樣，讓這兩個神經(jīng)網(wǎng)絡(luò)互相對抗一定數(shù)量的回合后，生成模型就能夠生成出判別模型無法分辨真假的的數(shù)據(jù)了。

科研工作者通過量子生成模型和判別模型實現(xiàn)了量子生成對抗網(wǎng)絡(luò)。不同于使用只能代表 0 或 1 的經(jīng)典比特的經(jīng)典計算機，量子計算機可以使用由 0 和 1 混合構(gòu)成的量子比特。

科研工者們試圖訓練量子生成模型來模擬生成微波諧振器產(chǎn)生的量子數(shù)據(jù)，直到判別模型無法分辨真假為止。

清華大學交叉信息學院的鄧東靈教授表示，理論上來說，量子計算機相對于經(jīng)典計算機在特定問題上有著絕對速度優(yōu)勢，比如分解大數(shù)。但是據(jù)孫麓巖教授表示，由于目前的技術(shù)限制，量子計算機還無法達到如此理想的速度。

科研工作者相信量子計算機上的生成對抗網(wǎng)絡(luò)會擁有相對于經(jīng)典計算機的速度優(yōu)勢，但他們還需要進一步驗證這一點。孫麓巖教授稱，這將會是量子機器學習里程碑式的一項工作。

通常情況下，科學家們認為實現(xiàn)“量子霸權(quán)”需要至少 50 個量子比特，然而這次其團隊使用的單量子比特系統(tǒng)。鄧東靈教授也表示，道阻且長，行則將至。