1.一种基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于，适用于处理条纹图，包括以下步骤：(1)准备真实样本，并根据生成任务的目标和样本数据的数值特征引入合适的条件约束，样本数据和条件变量共同构成生成对抗网络的训练数据集；其中，训练数据集包括条纹图像素的二进制编码和条件变量的one‑hot编码；条件变量为条纹图的类别标签；

(2)将训练数据集中的数据对制备成量子态；再设计量子生成器G的参数化量子电路，并设置相应的参数θG；

(3)设计量子判别器D的参数化量子电路，并设置相应的参数θD；

(4)设置对抗训练的相关参数；

(5)固定量子生成器G的参数θG，计算量子判别器D的损失函数的梯度，对参数θD进行优化；

(6)固定量子判别器D的参数θD，计算量子生成器G的损失函数的梯度，对参数θG进行优化；

(7)在步骤(5)和步骤(6)完成一个训练周期的参数交替优化后，计算当前参数下量子生成器G和量子判别器D的损失函数，判断生成对抗网络是否达到纳什平衡；

(8)训练结束得到具有分类生成数据能力的量子生成器G，根据目标选择对应的条件约束值，将条件约束值输入到训练好的量子生成器G，测量量子生成器G最终态得到符合条件约束特征的新数据；

步骤(5)中，固定量子生成器G的参数θG后，从训练数据集中随机抽取mb个真实的样本数据对制备成量子态|r>，将|r>作为量子判别器D的输入，测量量子判别器D的输出；再将量子生成器G和量子判别器D级联，将|z>|y>作为量子生成器G的输入，测量量子判别器D的输出；

所述量子生成器G的输入|z>|y>的计算公式为：

式中， 1/αj表示条件概率p(x|yj)的平方根，且满足归一化条件Nx表示为制备真实样本数据xi所需的最大量子比特数；z表示本次的输入值；y表示标签值；0表示量子数据的初始值；

根据量子资源N和相应的量子电路模板来设计所述量子生成器G、量子判别器D的参数化量子电路。

2.根据权利要求1所述的基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于：步骤(4)中，设置对抗训练的相关参数具体为，将所有样本数据经过生成对抗网络进行训练的次数记为epoch、每个epoch中包含量子判别器D进化的次数记为dstep、每个epoch中包含量子生成器G进化的次数为gstep、每次更新量子判别器D参数时选取真实样本的最小批量为mb。

3.根据权利要求1所述的基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于：所述量子判别器D的输入|r>的计算公式为：式中，xi∈X；ci∈y；i＝1,2,…,mb；X表示样本数据集合；y表示根据生成任务的目标和样本数据的数值特征所引入的条件约束。

4.根据权利要求1所述的基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于：根据两次测量到的量子判别器D的输出来计算量子判别器D的损失函数LD的梯度；

量子判别器D的损失函数LD为：

5.根据权利要求1所述的基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于：步骤(6)中，所述量子生成器G的损失函数LG的计算公式为：LG(θG)＝Ezlog(D(G(|z>||y>)))。

6.根据权利要求1所述的基于条件约束的量子生成对抗网络生成条纹图的方法，其特征在于：步骤(7)中，若生成对抗网络已达到纳什平衡状态则训练提前结束；否则进入下一个训练周期的迭代优化，直至生成对抗网络达到纳什平衡或完成整个训练周期的迭代训练。