記者從本源量子瞭解到，本源量子團隊基於自主研發的量子機器學習框架VQNet，設計實現的量子生成對抗網路（QGAN）可用於影象處理領域，比如人像的修復。與經典計算機相比，量子計算處理影象在時間上具有指數級提升，在空間上處理的資料量也將隨之呈指數級增加。其應用體驗於8月5日正式上線。
據瞭解，此次釋出的新演算法是基於本源量子自主研發的量子機器學習框架VQNet，在量子作業系統本源司南上，驗證了設計的QGAN演算法的可行性和有效性。研發人員利用QGAN網路實現了一個在影象修復方面的應用示例，展現了量子計算機的生成對抗網路在人像修復領域擁有相對於經典計算機的速度優勢和空間優勢，證明了基於超導量子位元技術的量子機器學習可行性，在量子領域邁出了重要一步。
“簡單來說，比如你戴口罩經過一個需要人臉識別的安檢系統，基於量子計算的這套演算法，綜合大資料分析和影象修復，我們能識別你，給出一個不戴口罩的面部。”該演算法的工程師介紹說。
據研發人員介紹，GAN網路在人工智慧領域已有廣泛應用，但在實際演算法及應用處理過程中，資料集的訓練收斂性及計算速度上，GAN網路結構、模型的評估上，判別模型的對抗性和穩健性上都是考驗和挑戰。結合量子計算，實現量子生成對抗網路，即QGAN，就能利用量子計算的平行計算的優勢，透過量子線路實現量子生成對抗網路，可以加速資料集訓練速度，並有效提升網路模型精度。該網路模型和演算法的實現，在理論和演算法實驗執行上都證明了與經典的GAN網路相比，具有指數級的演算法優勢。
“我們的演算法和應用在原理和示例演示上證明了這一點。”本源量子研發負責人表示，一旦該應用成熟，處理人像技術將從速度、演算法、空間效率和準確率上實現強有力的效果。
本文轉載自科普中國網
