QuGeo：面向地球科学的端到端量子学习框架——以全波形反演为例
量子物理
2023-11-22 v1
摘要
量子计算的快速发展引发了人们对其变革潜力的极大期待。然而，充分发挥其潜力依赖于寻找“杀手级应用”。在这方面，QuGeo 作为一个突破性的量子学习框架应运而生，有望成为地球科学中的关键应用，特别是针对全波形反演（FWI）。该框架将变分量子电路与地球科学相融合，代表了量子计算与地球物理分析的新颖结合。这种协同作用释放了量子计算在地球科学中的潜力。它满足了物理引导数据缩放的关键需求，确保与核心物理原理一致的高性能地球科学分析。此外，QuGeo 为 FWI 专门设计的量子电路凸显了面向应用的电路设计对量子计算的关键重要性。在 OpenFWI 的 FlatVelA 数据集实验中，QuGeo 的变分量子电路仅用 576 个参数便实现了性能的显著提升。其在真实值与输出速度图之间达到了 0.905 的结构相似性图像度量（SSIM）分数。相较之下，未融入物理知识的基线设计 SSIM 分数为 0.800，这是一个显著的提升。
引用
@article{arxiv.2311.12333,
title = {QuGeo: An End-to-end Quantum Learning Framework for Geoscience -- A Case Study on Full-Waveform Inversion},
author = {Weiwen Jiang and Youzuo Lin},
journal= {arXiv preprint arXiv:2311.12333},
year = {2023}
}
备注
7 pages, 9 figures