Исследователи IonQ протестировали квантовую генеративную модель на реальных спутниковых радарных снимках. На наиболее сложных данных она заметно лучше двух классических методов выявляла изменения на поверхности, однако при более благоприятной статистике преимущество исчезало.
Observe. Decide. Act. Mission-critical environments require good data and analysis. The ability to detect ground changes from satellites in space with synthetic aperture radar (SAR) observations—which see through clouds, fog, and darkness—has many applications including disaster… pic.twitter.com/En2aE4HfUR
Для экспериментов использовали квантовую генеративную модель QCBM и реальные данные спутников Capella Space. Часть вычислений выполнялась на процессорах IonQ Forte и Forte Enterprise.
Команда анализировала SAR-снимки авиабазы Корпуса морской пехоты Мирамар в Сан-Диего с разрешением 1,2 м, а также данные об извержении вулкана Питон-де-ла-Фурнез на острове Реюньон.
Где квантовый подход оказался полезен
Одна из проблем высокоразрешающих радарных снимков — разреженная статистика пикселей.
В классических методах фон оценивается по наблюдаемым значениям на двух снимках. На субметровых данных распределение становится сильно неравномерным: для части значений наблюдений слишком мало, из-за чего оценка фона ухудшается.
Обычно проблему смягчают предварительной обработкой данных, но это может привести к потере мелких деталей — именно тех, ради которых и используют снимки высокого разрешения.
Авторы предложили вместо прямой оценки по имеющимся пикселям генерировать недостающую статистику с помощью QCBM.
На сложном наборе данных с авиабазы Мирамар полностью выполненная на квантовом оборудовании модель получила F1-score 0,32 против 0,16 и 0,24 у двух классических методов.
На идеальном симуляторе результат QCBM достиг 0,41. При этом важнее абсолютных цифр сам характер разницы: квантовая модель сохраняла преимущество именно там, где имеющейся статистики пикселей было недостаточно.
После предобработки, которая делала распределение пикселей более удобным для классических методов, результаты почти сравнялись — около 0,55-0,56.
На данных извержения вулкана все три подхода также показали максимум примерно 0,66.
Поэтому авторы не заявляют об универсальном превосходстве квантового подхода. Его потенциальная ценность проявилась в более узком сценарии — на высокоразрешающих изображениях с разреженной и негауссовой статистикой, где традиционным методам не хватает наблюдений.
Еще одно ограничение — необходимость обычно обучать модель отдельно для каждой пары снимков. В дополнительном эксперименте исследователи перенесли QCBM с одного участка авиабазы на другой без повторного обучения и получили результат выше классических методов, но назвали его предварительным.
IonQ планирует продолжить эксперименты с применением квантовых моделей для мониторинга инфраструктуры, стихийных бедствий, окружающей среды и оборонных задач.
Напомним, в сентябре IonQ объявила о планах разместить 256-кубитную систему Superion 256 в NVIDIA Accelerated Quantum Research Center. Компании намерены исследовать гибридные системы, объединяющие квантовые и классические вычисления.
Подписывайтесь на ForkLog в социальных сетях
