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絡 (GAN)，目前可以被用來創作藝術品，破解加密，以及生成逼真的人類和動物圖片。

最近，科研工作者已經將生成對抗網絡與量子計算相結合。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利用量子電路實現了生成式對抗網絡（GAN）。

圖丨此次論文（來源：Science Advance）

生成對抗網絡是由兩部分神經網絡組成的，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據的，比如他可以生成一張臉的圖片。然后將真實數據和生成模型生成的“虛假”數據同時提供給判別模型，讓判別模型來分辨數據的真假。就這樣，讓這兩個神經網絡互相對抗一定數量的回合后，生成模型就能夠生成出判別模型無法分辨真假的的數據了。

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

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生的量子數據，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典計算機在特定問題上有著絕對速度優勢，比如分解大數。但是據孫麓巖教授表示，由于目前的技術限制，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絡會擁有相對于經典計算機的速度優勢，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“量子霸權”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。鄧東靈教授也表示，道阻且長，行則將至。