QuChaTeR：面向地震预测的混合量子-混沌时序框架
机器学习
2026-05-19 v1 信号处理
量子物理
摘要
地震预测因地震信号的高度非线性和混沌特性而具有挑战性。虽然基于 LSTM 和 CNN 的经典深度学习模型能够捕获局部时序特征，而量子模型提供更丰富的状态表示，但其与混沌驱动机制的集成仍属未探索领域。我们引入 QuChaTeR，一种混合架构，结合小波基预处理、混沌映射和变分量子电路，增强时序特征提取。该模型基于 PyTorch 和 PennyLane 实现，针对真实世界地震数据进行基准测试，与经典（LSTM、GRU、RNN、1D-CNN、储备计算）和量子仿生（Quantum LSTM）基线方法相比，QuChaTeR 在多个评估指标上实现了更快的收敛速度和卓越的性能。尽管取得了有前景的成果，但规模化和量子硬件限制仍是挑战。总体而言，本工作表明量子-混沌混合化为实现更准确和更稳健的地震预测提供了一条实用路径。
引用
@article{arxiv.2605.16454,
title = {QuChaTeR: A Hybrid Quantum-Chaotic Temporal Framework for Earthquake Prediction},
author = {Emir Kaan Özdemir},
journal= {arXiv preprint arXiv:2605.16454},
year = {2026}
}
备注
Accepted at 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (IEEE ICASSP 2026). This is the accepted version of the paper. The final published version will appear in the IEEE proceedings. Proc. IEEE ICASSP 2026, Barcelona, Spain, 2026