本源量子团队基于自主研发的量子机器学习框架VQNet,设计实现的量子生成对抗网络(QGAN)可用于图像处理领域,比如人像的修复。与经典计算机相比,量子计算处理图像在时间上具有指数级提升,在空间上处理的数据量也将随之呈指数级增加。其应用体验于近日正式上线。
据了解,此次发布的新算法是基于本源量子自主研发的量子机器学习框架VQNet,在量子操作系统本源司南上,验证了设计的QGAN算法的可行性和有效性。研发人员利用QGAN网络实现了一个在图像修复方面的应用示例,展现了量子计算机的生成对抗网络在人像修复领域拥有相对于经典计算机的速度优势和空间优势,证明了基于超导量子比特技术的量子机器学习可行性,在量子领域迈出了重要一步。
“简单来说,比如你戴口罩经过一个需要人脸识别的安检系统,基于量子计算的这套算法,综合大数据分析和图像修复,我们能识别你,给出一个不戴口罩的面部。”该算法的工程师介绍说。
据研发人员介绍,GAN网络在人工智能领域已有广泛应用,但在实际算法及应用处理过程中,数据集的训练收敛性及计算速度上,GAN网络结构、模型的评估上,判别模型的对抗性和稳健性上都是考验和挑战。结合量子计算,实现量子生成对抗网络,即QGAN,就能利用量子计算的并行计算的优势,通过量子线路实现量子生成对抗网络,可以加速数据集训练速度,并有效提升网络模型精度。该网络模型和算法的实现,在理论和算法实验运行上都证明了与经典的GAN网络相比,具有指数级的算法优势。