生成量子分类器的通用对抗扰动
原文中文，约400字，阅读约需1分钟。发表于：。QuGAP 是一个用于生成量子分类器的通用对抗扰动（UAPs）的新框架，它利用生成模型生成加性 UAPs，并理论上证明它们的存在。此外，QuGAP 使用基于保真度约束的新型损失函数，采用量子生成模型生成酉 UAPs，实验证明了量子分类器容易受到此类攻击，并且取得了最先进的误分类率和高保真度。
本研究论文探索了将量子计算与生成对抗网络（GANs）融合的方法，通过融合量子数据表示方法，加速GAN的训练过程，提供新的视角。研究解决了与量子硬件限制、误差校正机制和可扩展性相关的问题。这是量子增强机器学习领域的关键一步，推动量子机器学习前沿的转变。
