Kvantová výpočetní síla v AI: VQE jako nástroj pro optimalizaci generativních adversariálních sítí

Abstract

Tato bakalářská práce propojuje generativní adversariální sítě GAN s hybridním kvantově klasickým algoritmem Variational Quantum Eigensolver. Po úvodní rešerši principů kvantového počítání a generativních modelů je implementován referenční ACGAN a k jeho výstupu je v knihovně Qiskit připojen simulovaný kvantový obvod, který vypočte energii Isingova Hamiltoniánu a přidá ji jako regularizační člen do ztrátové funkce generátoru. Při tréninku na datech MNIST dosahuje kvantově regulovaná verze po pěti epochách lepšího skóre FID 19.92 oproti 24.02, i když vyžaduje delší výpočetní čas. Práce analyzuje technické a koncepční rozdíly mezi klasickým a kvantovým přístupem, probírá hardwarová omezení a navrhuje rozšíření testů na složitější obrazové sady i ověření na reálném kvantovém procesoru. Všechny zdrojové kódy a logy jsou přiloženy, což umožňuje reprodukovat experiment.