机器学习正在变得越来越强大，其中很大程度上归功于一种使 AI 互相对抗的算法。这类算法叫做生成对抗网络 (GAN)，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。
最近，科研工作者已经将生成对抗网络与量子计算相结合。清华大学交叉信息学院的孙麓岩教授以及他的同事们已经利用量子电路实现了生成式对抗网络（GAN）。
图丨此次论文（来源：Science Advance）
生成对抗网络是由两部分神经网络组成的，分别为生成模型和判别模型。顾名思义，生成模型就是用来生成数据的，比如他可以生成一张脸的图片。然后将真实数据和生成模型生成的“虚假”数据同时提供给判别模型，让判别模型来分辨数据的真假。就这样，让这两个神经网络互相对抗一定数量的回合后，生成模型就能够生成出判别模型无法分辨真假的的数据了。
科研工作者通过量子生成模型和判别模型实现了量子生成对抗网络。不同于使用只能代表 0 或 1 的经典比特的经典计算机，量子计算机可以使用由 0 和 1 混合构成的量子比特。
科研工者们试图训练量子生成模型来模拟生成微波谐振器产生的量子数据，直到判别模型无法分辨真假为止。
清华大学交叉信息学院的邓东灵教授表示，理论上来说，量子计算机相对于经典计算机在特定问题上有着绝对速度优势，比如分解大数。但是据孙麓岩教授表示，由于目前的技术限制，量子计算机还无法达到如此理想的速度。
科研工作者相信量子计算机上的生成对抗网络会拥有相对于经典计算机的速度优势，但他们还需要进一步验证这一点。孙麓岩教授称，这将会是量子机器学习里程碑式的一项工作。
通常情况下，科学家们认为实现“量子霸权”需要至少 50 个量子比特，然而这次其团队使用的单量子比特系统。邓东灵教授也表示，道阻且长，行则将至。
