澳門科技大學計算機科學與工程學院在量子機器學習研究領域取得兩項重要進展。以該學院博士生陳創濤為第一作者、趙慶林教授為通訊作者的兩篇論文，分別發表於頂級期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）及 Nature Portfolio 旗下期刊npj Quantum Information。兩項研究均以澳科大為第一完成單位：一項研究如何利用量子計算生成複雜的量子狀態，另一項研究如何更完整地學習高維數據中不同部分之間的聯繫，為量子計算與生成式人工智能的結合提供了新思路。

第一作者陳創濤博士生（左）與通訊作者趙慶林教授（右）

第一篇量子態生成研究獲人工智能領域國際頂級期刊 TPAMI 正式錄用。該刊由 IEEE 計算機學會創辦於 1979 年，是機器學習與機器智能領域的旗艦學術期刊，在「計算機科學：人工智能」類別中的期刊排名長期位於前 2%，最新影響因子為 20.4，并入選中科院一區 TOP 期刊及 CCF A 類期刊。論文題為Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble（量子生成擴散模型：用於生成量子態系綜的全量子力學模型）。總的來說，這項研究希望讓量子計算機學會生成一組符合目標規律的量子狀態。

在真實的量子設備中，量子狀態會受到周圍環境和設備噪聲的影響，因此往往不是單一、理想的狀態，而是多種狀態混合在一起。針對這類量子狀態難以穩定生成的問題，團隊提出量子生成擴散模型（Quantum Generative Diffusion Model，QGDM）。該模型先將目標量子狀態逐步打亂，再學習如何一步步將其恢復，從而生成所需的量子狀態。團隊還通過重複使用模型參數來减小模型規模，并設計了更加節省量子資源的版本。團隊還研究了量子狀態的混合程度、處理步數和所需量子比特數量之間的關係，并通過新的模型結構，避免模型在訓練時只會簡單複製輸入，而沒有真正學會生成量子狀態。計算機模擬結果顯示，QGDM能够生成多種量子狀態，包括隨機純態、混合態，以及橫場伊辛模型中的熱平衡狀態。保真度是衡量生成結果與目標量子狀態相似程度的指標。在混合態生成任務中，QGDM及其節省資源版本的平均最佳保真度，比量子生成對抗網絡基綫高出53.02%；在存在噪聲時，其平均保真度也高於所有對比方法。

QGDM整體框架圖。模型先將目標量子狀態逐步打亂，再通過可訓練的量子過程一步步將其恢復。

第二篇離散數據生成研究發表於 Nature Portfolio 旗下期刊npj Quantum Information。該刊是量子信息領域最具影響力的頂級期刊之一，聚焦量子計算和量子信息理論等前沿方向，最新影響因子為 9.0，在「量子科學與技術」類別中位列第 3 名。論文題為Overcoming Dimensional Factorization Limits in Discrete Diffusion Models through Quantum Joint Distribution Learning（通過量子聯合分布學習突破離散擴散模型的維度分解局限）。這項研究希望模型在處理複雜數據時，不再忽略不同數據特徵之間的重要聯繫。該研究還獲選為2026年CCF量子計算大會優秀博士生論壇特邀報告，進一步體現了其研究的創新性和學術價值。

為了減少計算量，現有的離散擴散模型往往把數據中的不同特徵分開處理，但這樣容易忽略這些特徵之間原本存在的聯繫。團隊從理論上證明，當數據中不同部分之間的聯繫很强時，數據維度越高，這類方法可能產生的誤差就越大，而且誤差會隨著維度成比例增加。為解决這一問題，團隊提出量子離散去噪擴散概率模型（Quantum Discrete Denoising Diffusion Probabilistic Model，QD3PM），利用量子計算整體學習不同數據特徵之間的聯繫，而不是將它們分開處理，并據此逐步推斷需要恢復的數據狀態。該模型可以重複使用同一組參數，只需一步即可生成樣本，還能在不重新訓練的情况下按照指定條件生成數據。測試結果顯示，在最多使用10個量子比特的混合高斯和條紋數據任務中，QD3PM能够更好地保留數據不同特徵之間的聯繫，產生的誤差低於參數規模相近的經典方法；在存在量子噪聲時，也比其他量子生成模型更加穩定。

QD3PM整體框架圖。模型利用量子計算保留數據不同特徵之間的整體聯繫，并通過逐步加噪和去噪生成離散數據。

兩項研究均由計算機科學與工程學院博士生陳創濤任第一作者、趙慶林教授任通訊作者，其他合作者包括周孟初、Dusit Niyato、何志敏、孫智立及司徒浩臻。系列成果分別從複雜量子態生成和經典離散數據的量子增强生成兩個互補方向，拓展了量子擴散模型的理論邊界與應用場景，體現了澳科大在量子計算與人工智能交叉研究以及高層次科研人才培養方面的持續創新能力。相關研究獲澳門科學技術發展基金的大力資助。

論文鏈接：

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

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