清华大学交叉信息研究院副教授孙麓岩团队发表在1月25日《科学—进展》的一篇论文显示，他们利用量子电路实现了生成式对抗网络（GAN），实现了将生成对抗网络与量子计算的结合。该工作有望证明量子计算在图像生成等领域可超越经典计算机，同时有望成为量子机器学习的一座里程碑。

生成对抗网络是一种使 AI 互相对抗的算法，是近年来机器学习领域值得期待的突破之一。它在图像、视频生成等各种具有挑战性的任务中表现突出，目前可以被用来创作艺术品，破解加密，以及生成逼真的人类和动物图片。

在论文中，孙麓岩团队实验性地演示了生成对抗网络的量子版本——QGAN，其中输入和输出数据都是量子比特。该团队的研究结果显示，经过几轮对抗学习，可以训练一个量子态的发生器，对量子信道模拟器输出的量子数据进行统计复制，并且具有98.8%的高保真度，使得鉴别器无法区分真实数据和生成数据。

值得注意的是，要实现被译作“量子霸权”的“quantum supremacy”，业内认为需要至少50个量子比特，但该团队研究使用的系统只有一个量子比特。在文章结论部分，研究人员认为，由于QGAN实验中既不需要量子随机存储设备，也不需要量子计算设备或对任何参数进行微调，因此可以认为，在不远的未来，量子设备能实现可用的、含有噪音的中型量子应用。（赵广立）

（赵广立）