澳门科技大学计算机科学与工程学院在量子机器学习研究领域取得两项重要进展。以该学院博士生陈创涛为第一作者、赵庆林教授为通讯作者的两篇论文，分别发表于顶级期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）及 Nature Portfolio 旗下期刊npj Quantum Information。两项研究均以澳科大为第一完成单位：一项研究如何利用量子计算生成复杂的量子状态，另一项研究如何更完整地学习高维数据中不同部分之间的联系，为量子计算与生成式人工智能的结合提供了新思路。

第一作者陈创涛博士生（左）与通讯作者赵庆林教授（右）

第一篇量子态生成研究获人工智能领域国际顶级期刊 TPAMI 正式录用。该刊由 IEEE 计算机学会创办于 1979 年，是机器学习与机器智能领域的旗舰学术期刊，在「计算机科学：人工智能」类别中的期刊排名长期位于前 2%，最新影响因子为 20.4，并入选中科院一区 TOP 期刊及 CCF A 类期刊。论文题为Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble（量子生成扩散模型：用于生成量子态系综的全量子力学模型）。总的来说，这项研究希望让量子计算机学会生成一组符合目标规律的量子状态。

在真实的量子设备中，量子状态会受到周围环境和设备噪声的影响，因此往往不是单一、理想的状态，而是多种状态混合在一起。针对这类量子状态难以稳定生成的问题，团队提出量子生成扩散模型（Quantum Generative Diffusion Model，QGDM）。该模型先将目标量子状态逐步打乱，再学习如何一步步将其恢复，从而生成所需的量子状态。团队还通过重复使用模型参数来减小模型规模，并设计了更加节省量子资源的版本。团队还研究了量子状态的混合程度、处理步数和所需量子比特数量之间的关系，并通过新的模型结构，避免模型在训练时只会简单复制输入，而没有真正学会生成量子状态。计算机模拟结果显示，QGDM能够生成多种量子状态，包括随机纯态、混合态，以及横场伊辛模型中的热平衡状态。保真度是衡量生成结果与目标量子状态相似程度的指标。在混合态生成任务中，QGDM及其节省资源版本的平均最佳保真度，比量子生成对抗网络基线高出53.02%；在存在噪声时，其平均保真度也高于所有对比方法。

QGDM整体框架图。模型先将目标量子状态逐步打乱，再通过可训练的量子过程一步步将其恢复。

第二篇离散数据生成研究发表于 Nature Portfolio 旗下期刊npj Quantum Information。该刊是量子信息领域最具影响力的顶级期刊之一，聚焦量子计算和量子信息理论等前沿方向，最新影响因子为 9.0，在「量子科学与技术」类别中位列第 3 名。论文题为Overcoming Dimensional Factorization Limits in Discrete Diffusion Models through Quantum Joint Distribution Learning（通过量子联合分布学习突破离散扩散模型的维度分解局限）。这项研究希望模型在处理复杂数据时，不再忽略不同数据特征之间的重要联系。该研究还获选为2026年CCF量子计算大会优秀博士生论坛特邀报告，进一步体现了其研究的创新性和学术价值。

为了减少计算量，现有的离散扩散模型往往把数据中的不同特征分开处理，但这样容易忽略这些特征之间原本存在的联系。团队从理论上证明，当数据中不同部分之间的联系很强时，数据维度越高，这类方法可能产生的误差就越大，而且误差会随着维度成比例增加。为解决这一问题，团队提出量子离散去噪扩散概率模型（Quantum Discrete Denoising Diffusion Probabilistic Model，QD3PM），利用量子计算整体学习不同数据特征之间的联系，而不是将它们分开处理，并据此逐步推断需要恢复的数据状态。该模型可以重复使用同一组参数，只需一步即可生成样本，还能在不重新训练的情况下按照指定条件生成数据。测试结果显示，在最多使用10个量子比特的混合高斯和条纹数据任务中，QD3PM能够更好地保留数据不同特征之间的联系，产生的误差低于参数规模相近的经典方法；在存在量子噪声时，也比其他量子生成模型更加稳定。

QD3PM整体框架图。模型利用量子计算保留数据不同特征之间的整体联系，并通过逐步加噪和去噪生成离散数据。

两项研究均由计算机科学与工程学院博士生陈创涛任第一作者、赵庆林教授任通讯作者，其他合作者包括周孟初、Dusit Niyato、何志敏、孙智立及司徒浩臻。系列成果分别从复杂量子态生成和经典离散数据的量子增强生成两个互补方向，拓展了量子扩散模型的理论边界与应用场景，体现了澳科大在量子计算与人工智能交叉研究以及高层次科研人才培养方面的持续创新能力。相关研究获澳门科学技术发展基金的大力资助。

论文链接：

1. TPAMI 论文：https://doi.org/10.1109/TPAMI.2026.3718311

2. npj Quantum Information 论文：https://doi.org/10.1038/s41534-026-01188-0