arXiv · quant-ph· Marco Parigi, Stefano Martina, Francesco Aldo Venturelli, Filippo Caruso·· 5 小时前
基于真实硬件噪声量子扩散的物理启发生成式AI模型
Physics-inspired Generative AI models via real hardware-based noisy quantum diffusion
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Marco Parigi, Stefano Martina, Francesco Aldo Venturelli, Filippo Caruso
期刊信息（来源提供）：Parigi, M., Martina, S., Venturelli, F.A. et al. Physics-inspired Generative AI models via real hardware-based noisy quantum diffusion. Quantum Mach. Intell. 8, 110 (2026)
研究任务与主要进展
Marco Parigi等提出两种物理启发的量子扩散模型协议，用于生成MNIST图像。第一种通过量子随机游走形式结合量子与经典前向动力学，作者报告其生成图像的FID低于完全经典动力学；第二种仅使用4个量子比特，利用真实IBM量子硬件的固有噪声生成图像。研究摘要提出将该思路作为大规模量子生成式AI的起点，但未提供全文级别的实验细节或扩展验证。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org