arXiv cs.LG· Gaoyuan Wang, Jerry Tan, Mark Gerstein·2026-10-07 12:00· 5 小时前AI 评分12

量子变分自编码器（QVAE）如何学习解耦表征

Learning Disentangled Representations with Quantum Variational Autoencoders

AI 导读

研究探讨了量子变分自编码器（QVAE）能否学习解耦且可解释的潜在因子，并厘清了单个量子潜在维度的定义。在包括 MNIST 变体在内的三个数据集上，QVAE 能够发现因子化且语义可解释的潜在表征，单个量子比特可作为有意义的潜在因子。该结果为理解量子潜在空间及其结构化表征学习潜力奠定了基础。

来源：arXiv cs.LG · arxiv.org