摘要。生成建模已成为近期量子计算机的一个有前途的用例。特别是,由于量子力学的根本概率性质,量子计算机自然地建模和学习概率分布,可能比传统方法更高效。Born 机就是这种模型的一个例子,很容易在近期的量子计算机上实现。然而,在其原始形式中,Born 机只能自然地表示离散分布。由于连续性质的概率分布在世界上很常见,因此必须有一个能够有效表示它们的模型。文献中提出了一些建议,用额外的功能补充离散 Born 机,以便更容易学习连续分布,然而,所有这些都不可避免地在一定程度上增加了所需的资源。在这项工作中,我们提出了基于连续变量量子计算的替代架构的连续变量 Born 机,它更适合以资源最少的方式对此类分布进行建模。我们提供的数值结果表明该模型能够学习量子和经典连续分布,包括在存在噪声的情况下。
主要关键词