系统工程与电子技术

作者：吉家欣, 李汀, 李飞

单位：南京邮电大学通信与信息工程学院，江苏 南京 210003

关键词：量子计算,机器学习,生成对抗网络,量子耦合,多域数据

基金：国家自然科学基金（62271265）资助课题

一般量子生成对抗网络（generative adversarial network，GAN）只能处理单域数据，且受到量子比特数限制，生成质量会有很大程度下降。对此，提出一种学习多域数据联合分布的量子耦合GAN（quantum coupled GAN，QCoGAN）。QCoGAN通过结合量子计算的并行计算能力和经典GAN的学习能力，对量子GAN结构进行耦合优化，相较于普通GAN可以捕捉到更多图像细节，通过施加量子参数层之间的权重共享约束，有效控制了网络容量，提升了训练效率。将量子GAN用于领域适应问题，将QCoGAN应用于多个手写体数据集的联合分布学习任务，证明了其在处理多域数据时的优越性，具有广阔的应用前景。

来源：2026年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第3期