标题：埃克塞特大学｜Quantum Quantile Mechanics: Solving Stochastic Differential Equations for Generating Time-Series（量子分位数机制：求解随机微分方程以生成时间序列）

推荐理由：类似于最近物理信息神经网络的成功，作者阐明了基于SDE的分布的量子分位数机制(QQM)和qGAN之间的联系，并指出模型训练中微分约束的重要性

简介：我们提出了一种从随机微分方程 (SDE) 的解中采样的量子算法。使用具有潜在变量特征图编码的可微量子电路(DQC)，我们表示潜在概率分布的分位数函数并将样本提取为DQC期望值。使用分位数机制，我们在时域传播系统，从而允许时间序列生成。我们测试该方法通过模拟Ornstein-Uhlenbeck过程并在与初始点不同的时间进行采样，如财务分析和数据集扩充所要求的。此外，我们分析了连续量子生成对抗网络(qGAN)，并表明它们表示具有修改（重新排序）的分位数函数阻碍其有效时域传播的形状。