記者從本源量子了解到，本源量子團隊基于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絡（QGAN）可用于圖像處理領域，比如人像的修復。與經典計算機相比，量子計算處理圖像在時間上具有指數級提升，在空間上處理的數據量也將隨之呈指數級增加。其應用體驗于8月5日正式上線。
據了解，此次發布的新算法是基于本源量子自主研發的量子機器學習框架VQNet，在量子操作系統本源司南上，驗證了設計的QGAN算法的可行性和有效性。研發人員利用QGAN網絡實現了一個在圖像修復方面的應用示例，展現了量子計算機的生成對抗網絡在人像修復領域擁有相對于經典計算機的速度優勢和空間優勢，證明了基于超導量子比特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，基于量子計算的這套算法，綜合大數據分析和圖像修復，我們能識別你，給出一個不戴口罩的面部。”該算法的工程師介紹說。
據研發人員介紹，GAN網絡在人工智能領域已有廣泛應用，但在實際算法及應用處理過程中，數據集的訓練收斂性及計算速度上，GAN網絡結構、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絡，即QGAN，就能利用量子計算的并行計算的優勢，通過量子線路實現量子生成對抗網絡，可以加速數據集訓練速度，并有效提升網絡模型精度。該網絡模型和算法的實現，在理論和算法實驗運行上都證明了與經典的GAN網絡相比，具有指數級的算法優勢。
“我們的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、算法、空間效率和準確率上實現強有力的效果。
【免責聲明】本文轉載自網絡，與科技網無關。科技網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。