利用量子计算机加速地理空间数据处理的方法

量子计算是一项变革性技术，有望通过加速优化与机器学习过程来增强航天工业中的作业能力。机器学习过程可实现地理空间数据中的自动图像分类。新的量子算法为求解这些问题提供了新颖途径，并可能在未来相对于当前的经典技术具备优势。由 Rigetti Computing 及其他供应商正在开发的通用量子计算机，能够执行完全通用的量子算法，且在某些情形下经理论证明相对经典算法具有加速。本文描述了一种利用对卷积神经网络的通用量子增强——量子卷积神经网络（quanvolutional neural network）——进行卫星图像分类的方法。采用一种改进方法，我们发现了相较该领域先前量子研究的性能提升，并识别出可能导致最终量子优势的潜在改进。我们使用 SAT-4 卫星影像数据集对这些网络进行基准测试，以展示机器学习技术在航天工业中的效用以及量子机器学习可提供的潜在优势。