.png){kind=icon}
返回
A unified hybrid Quantum-Embedded Timestep Mapping method for diffusion models
.png){kind=icon}
PRE
AI
DOI：10.1016/j.displa.2026.103551.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型在生成任务中取得了显著成功，然而其依赖大参数密集型架构限制了可扩展性和效率。为解决这一问题，我们提出了一种新颖的量子嵌入时间步映射（QETM），这是一种混合量子-经典模块，用量子编码、变分电路和期望值测量替换经典时间步嵌入。具体而言，QETM利用量子叠加和纠缠构建高度表达的非线性空间，这在经典模型中通常需要大量参数。此外，QETM在不修改架构和训练流程的情况下集成到三种代表性扩散模型中。大量实验表明，QETM在MNIST、CIFAR-10和CelebA数据集上实现了具有竞争力或更优的性能。QETM能够在分辨率高达64×64的多通道图像生成中，将目标层参数减少46倍。在CelebA上，仅使用11k参数相比524k经典参数，其FID降低了9.8%。这些结果凸显了QETM作为高效且实用的可扩展量子增强扩散模型路径，与现有流程兼容。
Keyword:
Image generation
Quantum machine learning
Diffusion models
Hybrid quantum-classical methods
