法国PASQAL公司的Vincent E.Elfving与德国巴斯夫数字化解决方案公司的HorstWeiss等人,对量子科学机器学习在天气建模中的应用潜力进行了研究。11月18日,相关研究成果发表于《物理评论A》。
研究人员还探讨了如何利用量子科学机器学习应对天气建模的挑战。研究人员采用参数化量子电路作为机器学习模型,并考虑了两种范式,一是对天气数据中进行监督学习;二是基于物理原理求解大气动力学的基本方程。
在第一种情况下,研究人员展示了如何训练量子模型以4°的分辨率准确再现真实世界的全球流函数动态,并详细介绍了为实现这一结果所采用的多种针对特定问题的经典模型和量子架构选择。
随后,研究人员引入了正压涡度方程(BVE)作为大气模型,该方程在流函数表述中是一个三阶偏微分方程(PDE)。利用可微量子电路算法,研究人员在适当边界条件下成功求解BVE,并使用训练好的模型根据人工设定的初始天气状态,以高精度预测了未来的动态。尽管仍存在挑战,但这项研究结果在量子科学机器学习求解PDE的复杂性方面取得了进展。
(秦慕一)