基于量子机器学习的水质预测：乌姆格尼流域（U20A）研究区域
量子物理
2024-11-28 v1 人工智能
机器学习
摘要
本研究探讨了将 QML 技术应用于 Durban, 南非乌姆格尼流域（U20A 区域）水质研究的实际应用。具体而言，我们应用了量子支持向量分类器（QSVC）和量子神经网络（QNN），并证明 QSVC 更易实现且准确率更高。对 QSVC 模型分别应用了线性核、多项式核和径向基函数（RBF）核，结果显示多项式核和 RBF 核的性能完全相同。对 QNN 模型则考量了不同的优化器、学习率、电路组件的噪声以及不同的权重初始化，但 QNN 永远遇到死神经元问题。因此，仅将 QNN 与准确率和损失进行比较，结果显示采用 Adam 优化器时，模型性能最佳，但仍低于 QSVC。
引用
@article{arxiv.2411.18141,
title = {Predicting Water Quality using Quantum Machine Learning: The Case of the Umgeni Catchment (U20A) Study Region},
author = {Muhammad Al-Zafar Khan and Jamal Al-Karaki and Marwan Omar},
journal= {arXiv preprint arXiv:2411.18141},
year = {2024}
}
备注
13 pages, 3 figures