English(EN) Quantum Convolutional Neural Networks for Groundwater Heat Plume Prediction: A Surrogate Modeling Approach

量子CNN在地下水热羽预测方面展现潜力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-22 14:35

研究人员开发了一种量子卷积神经网络（QCNN）来预测地下水热羽，这是一项复杂的环境建模任务。QCNN架构包括量子卷积层和池化层，输入状态使用受哈密顿量启发的特征编码方案进行准备。在模拟器和IBM的Kyiv量子处理器上进行测试后，QCNN表现出有竞争力的性能，尤其是在错误缓解方面，尽管经典神经网络仍取得了更高的准确性。这项工作表明，随着量子硬件的进步，量子增强代理建模具有广阔前景。 AI

影响随着硬件的成熟，量子机器学习方法可能为复杂环境模拟提供新的能力。

排序理由该集群包含一篇学术论文，详细介绍了量子机器学习在环境建模方面的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Miriam Schulte · 2026-06-22 14:35

Quantum Convolutional Neural Networks for Groundwater Heat Plume Prediction: A Surrogate Modeling Approach

Quantum machine learning methods are increasingly explored for modeling complex environmental systems, including groundwater heat plume dynamics. In this work, we explore a Quantum Convolutional Neural Network (QCNN) as a surrogate model for predicting temperature variations in g…

报道来源 [1]

Quantum Convolutional Neural Networks for Groundwater Heat Plume Prediction: A Surrogate Modeling Approach

相关实体

相关话题