戴口罩也可以识别用量子计算处理人像的指数加速

记者从原量子获悉，原量子团队基于自研量子机器学习框架VQNet设计实现的量子生成对抗网络(QGAN)可用于人像复原等图像处理领域。与经典计算机相比，量子计算处理的图像在时间上呈指数级增长，在空间上处理的数据量也会呈指数级增长。其应用体验于8月5日正式上线。

据了解，此次发布的新算法基于原量子自主研发的量子机器学习框架VQNet，验证了所设计的QGAN算法在原量子操作系统新浪上的可行性和有效性。R&D人员利用QGAN网络实现了一个在图像复原中的应用实例，说明量子计算机生成对抗网络在人像复原领域比经典计算机具有速度和空间优势，证明了基于超导量子比特技术的量子机器学习的可行性，是量子领域的重要一步。

“简单来说，比如你戴着口罩，经过需要人脸识别的安检系统，这种基于量子计算的算法，综合大数据分析和图像复原，我们可以识别你，给出一张没有口罩的脸。”算法工程师说。

据R&D人员介绍，GAN网络已经广泛应用于人工智能领域。然而，在实际算法和应用处理过程中，无论是数据集的训练收敛性和计算速度，还是GAN网络结构和模型的评估，以及模型的对抗性和鲁棒性的判别，都是一个考验和挑战。结合量子计算，实现QGAN可以利用量子计算的并行计算优势，通过量子电路实现QGAN，可以加快数据集的训练速度，有效提高网络模型的精度。网络模型和算法的实现证明，与经典的GAN网络相比，该网络在理论和算法实验上具有指数算法优势。

"我们的算法和应用从原理和实例演示上证明了这一点."原量子研发负责人表示，一旦应用成熟，人像处理技术将在速度、算法、空间效率和精度等方面取得强大效果。