量子近似优化算法与量子增强马尔可夫链蒙特卡洛：四维变分数据同化的混合方法
量子物理
2025-04-29 v2 最优化与控制
大气与海洋物理
摘要
我们提出了一种新颖的混合量子-经典框架，该框架将量子近似优化算法(QAOA)和量子增强马尔可夫链蒙特卡洛(QMCMC)与变分粒子滤波器相结合，以应对四维变分数据同化(4DVAR)中的计算挑战。4DVAR广泛应用于数值天气预报，但在高维、非线性系统中效率低下。我们的方法，即量子变分粒子滤波器(QVPF)，使用QAOA优化粒子提议，并使用QMCMC高效计算粒子权重和重采样，从而在减少计算负载的同时加速收敛。QVPF框架通过最小化准确状态估计所需的粒子数量来应对维度灾难，从而提高了具有复杂动力学系统的效率。通过将量子算法集成到变分粒子滤波器中，该混合模型提供了更高的精度，使其特别适用于气候建模、空间天气预报和国防等应用。在预测模型中实现前所未有的分辨率的潜力可能会改变依赖高分辨率预报的领域。我们介绍了该方法的数学基础，并讨论了算法实现和硬件要求。初步结果表明，这种混合框架可以显著改善数据同化，未来在近期量子设备上的实现为扩展提供了实用途径。这项工作展示了量子计算如何满足大规模数据同化中对更准确和计算上可行的方法日益增长的需求。
引用
@article{arxiv.2410.03853,
title = {Quantum Approximate Optimization Algorithm and Quantum-enhanced Markov Chain Monte Carlo: A Hybrid Approach to Data Assimilation in 4DVAR},
author = {Abhiram Sripat},
journal= {arXiv preprint arXiv:2410.03853},
year = {2025}
}
备注
Will require more permissions and data to be republished later for academic rigor