⚛️ quantum physics

SQGen: Structured Quantum Image Generation with Latent-Modulated Quantized Tensor Trains

SQGen 是一种全量子图像生成器，它利用潜变量调制量化张量列阵（latent-modulated quantized tensor trains）来实现无需经典解码器的 NISQ 硬件上的稳定训练与端到端图像生成。

原作者： Guang Lin, Qibin Zhao

发布于 2026-07-08

📖 1 分钟阅读🧠 深度阅读

原作者： Guang Lin, Qibin Zhao

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你想教一个微小且脆弱的机器人（一台量子计算机）画画。问题在于这个机器人非常敏感；如果你要求它跳一段很长、很复杂的舞蹈（一个深层电路），它就会变得混乱，并在完成之前就忘记一切。此外，如果你要求它一次性画出一整幅画，它会被压垮。

这篇论文介绍了 SQGen，一种新的方法，旨在教这个机器人画图，而不需要人类助手（经典解码器）来收尾工作。以下是它的工作原理，通过简单的概念进行拆解：

1. 问题所在：“脆弱的机器人”与“沉重的背包”

目前让量子计算机画图的方法面临三个大障碍：

“白墙”问题（贫瘠高原/Barren Plateaus）： 如果机器人的指令太长，它就会陷入困境。这就像是在一个星球大小的草堆里寻找一根针；机器人看不清任何移动的方向。
“沉重的背包”（状态准备/State Preparation）： 一些方法试图将整张图像一次性加载到机器人的记忆中。这需要一个巨大的、沉重的背包，会在机器人开始画画之前就压断它的脊梁（硬件）。
“人类拐杖”（经典解码器/Classical Decoders）： 许多现有的解决方案让机器人只做一点点工作，然后把结果交给人类（经典计算机）来完成画作。论文认为这并不是真正的“量子优势”，因为辛苦的部分是由人类完成的。

2. 解决方案：SQGen 的两部分妙招

SQGen 通过两个主要想法解决了这些问题，就像给了机器人一套特殊的工具和一种新的思考方式。

想法 A：“俄罗斯套娃”结构（量子张量列/Quantized Tensor Train）

与其尝试一次画出整张图像，SQGen 将图像分解成若干层，就像俄罗斯套娃或缩放地图一样。

工作原理： 它从一个粗略的草图（粗略细节）开始，然后逐步添加越来越精细的细节（精细像素）。
“键合”量子比特（Bond Qubks）： 想象一下，机器人在每一步之间都持有一个小型的“记忆棒”（辅助量子比特），并在各步骤间传递。这个记忆棒保存了粗略草图与精细细节之间的连接。
益处： 因为机器人每次只需要专注于一个小层级，它就不会感到不堪重负。这就像是逐块砌砖盖房子，而不是试图一次性举起整个屋顶。这使得指令足够短，能够被脆弱的机器人处理。

想法 B：“魔力旋钮”（潜变量调制/Latent Modulation）

为了让机器人能画出不同的画作（而不只是重复同一张），SQGen 使用了一个“魔力旋钮”（潜变量）。

工作原理： 通常，你必须重新编写机器人的整个大脑才能改变画作。SQGen 更聪明。它获取机器人的标准绘画指令，并在其动作的角度上增加一个微小的、可调节的“旋钮”。
类比： 想象一位音乐家在演奏一首乐曲。“主路径”是乐谱（图像的固定结构）。“潜变量项”则是音乐家的即兴发挥或他选择的节奏。通过转动旋钮，机器人可以演奏同一首曲子，但呈现出不同的感觉，从而在不重写整首曲子的情况下创造多样性。
益处： 这使得机器人只需通过转动旋钮，就能生成许多不同版本的图像（例如同一个人不同的面孔），而无需为每个版本都建立一套复杂的全新设置。

3. 训练过程：“纸上练兵，台上表演”

这也许是论文中最巧妙的部分。

排练（经典训练）： 机器人在真实的量子硬件上通过试错学习太脆弱了。因此，科学家们在常规计算机上构建了一个完美的、数学化的机器人“影子”。他们使用精确的数学（而非猜测）来教这个影子如何画画。
转移： 一旦影子变得完美，他们会将指令逐一对应地复制到真实的量子机器人上。
表演（量子部署）： 当需要画画时，真实的机器人运行这些指令。最后不需要人类助手。机器人测量自己的量子比特，图像便直接呈现出来。

4. 结果：奏效了吗？

作者测试了 SQGen 在绘制数字（如 0–9）和一些合成模式方面的表现。

稳定性： 机器人学习过程中没有陷入困境或变得混乱（没有“贫瘠高原”）。
质量： 它画出了清晰、可辨认的图像，看起来非常接近目标数字。
多样性： 它可以绘制同一个数字的不同版本，而不只是简单地复制粘贴一张图像。
真实硬件： 当他们在真实的、带有噪声的量子计算机（IBM 的硬件）上尝试时，SQGen 仍然能够画出可辨认的形状。相比之下，一种竞争方法（使用了“沉重背包”法）则完全失败，只产生了噪声。

总结

SQGen 就像是通过以下方式教一个脆弱的量子机器人画画：

将绘画分解成易于处理的小层级（这样它就不会不堪重负）。
给它一个简单的旋钮来改变风格（这样它可以创造多样性）。
让它先在电脑上完美地练习，然后将完美的计划复制到真实的机器人上，以便它能在没有人类帮助的情况下完成整场表演。

论文声称，这是朝着让量子计算机在现有的、并不完美的硬件上也能自主生成图像迈出的重要一步。

SQGen 技术摘要：基于潜变量调制量化张量列的结构化量子图像生成

问题陈述

在噪声中规模量子（NISQ）硬件上直接从量子系统生成图像仍然是一个尚未解决的挑战。现有的量子生成模型面临三个耦合的主要障碍：

可训练性： 深层参数化电路经常遭受“贫瘠高原”（barren plateaus）问题，即梯度方差随量子比特数和电路深度的增加而呈指数级消失，导致优化停滞。
电路复杂度： 依赖振幅编码的方法会产生昂贵的态制备成本；而准备这些状态所需的深层电路会因硬件噪声而侵蚀量子信息。
端到端量子优势： 生成图像规模的输出通常需要一个经典解码器来解释量子态。这种混合方法破坏了端到端的量子优势，因为大部分建模能力都保留在经典组件中。

目前的混合方法（例如具有浅层量子组件和经典解码器的方法）无法为高维目标提供真正的量子优势，而纯量子方法则难以应对噪声和深度限制。

方法论

作者提出了 SQGen，这是一个旨在无需经典解码器即可在推理阶段实现端到端运行的全量子生成器。该架构构建在具有**潜变量调制（Latent Modulation, LM）的量化张量列（Quantized Tensor Train, QTT）**骨架之上，完全在经典硬件上进行训练，并作为原生门量子电路进行部署。

1. QTT 键合骨架（物理实现）：

结构： 模型利用目标像素分布的 QTT 分解。与经典的张量网络不同，SQGen 将 QTT 键合指数提升为物理辅助键（ancilla bond）量子比特。
机制： 对于大小为 $2^{n_s} \times 2^{n_s}$ 的图像，行和列坐标被映射到跨越 $n_s$ 个尺度的二进制位。每个尺度由两个物理量子比特编码。键维 $\chi$ 被映射到 $n_b = \log_2 \chi$ 个辅助量子比特。
操作： 每个电路位点在键寄存器（辅助量子比特）和代表特定图像尺度的两个物理量子比特上应用局部酉变换。输出是键边缘 Born 分布（bond-marginal Born distribution），通过测量所有量子比特并丢弃辅助比特获得。这种结构使电路能够高效地学习多尺度相关性，且仅需有限数量的量子比特。

2. 潜变量调制 (LM)：

角度级分解： 为了根据潜变量 $z$ 对生成过程进行条件化，SQGen 对数据重上传（re-uploading）技术进行了改进。它不是将重上传旋转置于可训练旋转相邻处，而是将旋转角度分解为一个可训练主路径加上一个加性潜变量项。
数学基础： 这依赖于绕共同轴旋转的阿贝尔性质。旋转 $R_a(\theta) R_a(\omega \cdot z + \beta)$ 等价于单个旋转 $R_a(\theta + \beta + \omega \cdot z)$ 。
优势： 这种精确分解允许潜变量 $z$ 直接调制输出角度。在部署时，这些旋转可以被融合进单个原生门中，从而降低电路深度。

3. 经典训练、量子部署流水线：

训练： 模型完全在经典系统上使用可微 QTT 实现进行训练。
- 潜变量先验： 潜变量 $z$ 使用经过打乱的 Sobol 拟蒙特卡洛序列从环面先验 ( $\mathbb{T}^d$ ) 中采样，以匹配旋转角度的 $2\pi$ 周期性。
- 编码器： 训练期间，一个小型 CNN 编码器将图像映射到环面潜空间。
- 目标函数： 训练最小化目标像素分布与在 $z = E_\phi(x)$ 时电路的 Born 分布之间的重构损失（KL 散度和 L1 距离）。
- 优化： 通过张量收缩进行精确梯度反向传播，避免了与变分量子训练相关的样本噪声和贫瘠高原问题。
部署： 训练完成后，丢弃编码器。学习到的参数被一对一地导出为原生门量子电路（使用门集合 $\{R_y, R_z, \text{CNOT}\}$ ）。推理涉及直接从环面先验中采样 $z$ ，执行电路，并在计算基下进行测量。

核心贡献

SQGen 架构： 一种结构化量子图像生成器，结合了 QTT 键骨架（能够利用辅助量子比特高效学习多尺度特征）和潜变量调制（提供精确的角度级条件化以提高样本多样性）。
经典训练流水线： 一个完全在经典系统上训练的可微张量网络的框架，其在环面先验下进行优化。这规避了贫瘠高原和采样开销，使得模型可以在推理路径中无需经典解码器即可导出参数到原生门电路。
实验验证： 大量的实验证明了 SQGen 训练稳定，在 MNIST 和 Fashion-MNIST 上实现了较低的重构误差（KL 和 L1），保持了样本多样性，并展示了与振幅编码基准相比具有前景的真实量子硬件可行性。

实验结果

在 MNIST 上的表现： SQGen 在所有十个数字类别中实现了最低的单样本 KL 和 L1 误差，同时保持了非零的样本多样性。它优于消融模型（Vanilla Born Machine, BM+LM, BM+QTT）以及平凡的基准模型。
- 消融研究发现： 仅使用 QTT 键骨架会产生一个静态的、零多样性的原型。仅使用潜变量调制会产生保真度较差的噪声样本。只有将两者结合（SQGen），才能产生具有清晰类别结构且具备潜变量条件变化的样本。
合成目标： 在受控任务（多尺度条纹和移动高斯斑点）上，SQGen 成功重现了复杂的空间模式，并展示了随连续潜变量输入的稳定变化。
键秩缩放： 增加键秩 $\chi$ 会提高重构质量直至达到一定程度（在 $\chi=8$ 时饱和），但更高的秩会增加电路复杂度和噪声敏感性。
噪声鲁棒性： 在去极化噪声模拟下，SQGen 展示了表征能力（较高的 $\chi$ ）与噪声抗性（较低的 $\chi$ ）之间的权衡。
真实硬件： 在 ibm_kawasaki 设备上部署时，SQGen 生成的图像与目标高度相似，而振幅编码基准则表现出严重的退化并失去了结构完整性。

意义与主张

论文声称 SQGen 通过以下方式解决了 NISQ 硬件上量子图像生成的根本障碍：

消除经典解码器： 实现真正的端到端量子生成，其输出分布直接通过量子测量读取。
确保可训练性： 通过在可微张量网络上进行经典训练，该方法绕过了深层变分量子电路固有的贫瘠高原问题。
硬件兼容性： 使用具有结构化 QTT 拓扑的浅层原生门电路，使该模型在当前量子设备上具有可行性，这一点已通过其在真实硬件上优于侧重于态制备的基准模型得到了证实。

作者将 SQGen 定位为并非解决所有量子生成任务的通用方案，而是一种特定的架构进步，它实现了结构化的、图像规模的生成，并为在 NISQ 设备上的部署提供了清晰的路径。