.png){kind=icon}
返回
Potential of quantum machine learning for processing multispectral Earth observation data
.png){kind=icon}
PRE
AI
DOI：10.24425/bpasts.2025.154279.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
具有数百个噪声量子比特的量子计算机已经为研究界所可用。它们有潜力运行远超任何经典设备计算能力的复杂量子计算。自然地，我们会问这样一个问题：这些设备可能对哪些应用有用？来自地球观测卫星任务收集的多光谱地球观测数据的土地利用和土地覆盖分类是这样一个由于独特特性而难以用经典方法解决的问题。在本工作中，我们比较了在Copernicus Sentinel-2任务的扭曲重标签数据集上，当算法能够访问投影量子核（PQK）特征时，几种经典机器学习算法的性能。我们表明，当模型能够访问PQK特征时，分类准确率会显著提高。然后，我们初步研究了这些算法在有和无PQK特征访问权限的情况下，在原始Copernicus Sentinel-2任务数据集上的性能。这项研究提供了关键证据，表明量子机器学习方法在地球观测数据中的潜力。
Keyword:
quantum computing
quantum machine learning
projected quantum kernel
multispectral image
Earth observation
Sentinel-2
land use and land cover classification
remote sensing
