基于混合量子-经典机器学习的合成气象雷达
量子物理
2021-12-01 v1 机器学习
摘要
高分辨率气象雷达图像的可用性支撑着有效的预报与决策。在传统雷达覆盖之外的区域，生成模型已成为一项重要的合成能力，它将卫星图像和数值天气模型等更普及的数据源融合为精确的类雷达产品。在此，我们展示了用量子辅助模型增强常规卷积神经网络的方法，以用于全球合成气象雷达中的生成任务。我们表明，量子核原则上能比经典学习机在相关底层数据上执行根本更复杂的任务。我们的结果确立了合成气象雷达作为量子计算能力的有效启发式基准，并为在高影响且业务相关问题上进行详细量子优势基准测试奠定基础。
引用
@article{arxiv.2111.15605,
title = {Synthetic weather radar using hybrid quantum-classical machine learning},
author = {Graham R. Enos and Matthew J. Reagor and Maxwell P. Henderson and Christina Young and Kyle Horton and Mandy Birch and Chad Rigetti},
journal= {arXiv preprint arXiv:2111.15605},
year = {2021}
}