2026年9月24日——IonQ，全球领先的量子全栈平台和代工厂，发布了一项研究，展示量子生成模型如何改善复杂高分辨率合成孔径雷达（SAR）和干涉合成孔径雷达（InSAR）数据上的变化检测。利用真实卫星传感器数据，IonQ研究人员将量子方法与经典变化检测方法进行了比较，并在IonQ硬件上进行了测试。从太空检测地表变化的能力有许多应用，包括灾害响应、基础设施监测、国防和土地利用执法。

“卫星在采集地球影像方面极为出色。其价值在于知道发生了什么变化，以及这些变化是否重要，”IonQ量子平台总裁Jordan Shapiro表示。“这项研究表明，量子生成模型能够应对一种随着雷达成像越来越精细而变得更困难的统计挑战。这也是我们的太空和量子团队共同解决同一问题时会发生什么的一个很好的例子。”

SAR能够穿透云层、雾和黑暗，这就是为什么国防机构、灾害响应人员和基础设施运营商依赖它。变化检测分析通常将一个场景在未发生变化时应当呈现的样子的估计值与场景的实际图像进行比较，以确定发生变化的区域。对于高分辨率SAR数据，可用的像素统计可能变得复杂，使经典变化检测的可靠性降低。传统方法通常使用额外的预处理来使SAR更易于分析，但代价是降低精细的空间细节。

为了克服这一挑战，IonQ研究人员测试了一种量子电路玻恩机（QCBM），这是一种量子生成模型，用来估计每个场景的背景应该是什么样子。QCBM学习前图像和后图像之间的联合统计关系。随后，它生成参考样本，帮助估计预期背景，并将有意义的变化与正常波动区分开来。

团队在IonQ自己的高分辨率SAR数据集上运行了量子模型。在一个来自机场的具有挑战性的非高斯SAR数据上，模拟量子模型在滤波后F1分数上高于所测试的两个经典基线。在一个来自米拉马尔海军陆战队航空站的具有挑战性的非高斯SAR测试案例中，QCBM取得了0.41的滤波后F1分数，而所评估的两个经典基线分别为0.24和0.16。当预处理使底层像素分布近似为高斯分布时，性能差距基本消失。结果表明，量子模型相对表现最强的情况出现在传统统计最为稀疏的地方。当模拟模型在IonQ量子硬件上运行时，这一优势仍然存在。

InSAR为分析任务增加了更多复杂性。这是一种利用SAR图像之间的相位差来测量毫米至厘米尺度地表形变的技术。在一项涉及火山熔岩流的单独InSAR实验中，量子方法和经典方法达到了相当的峰值性能。结果表明，当高分辨率传感数据产生稀疏或难以建模的统计特性时，量子生成模型可能特别有用。IonQ正在这些结果的基础上，推进国防、关键基础设施和环境监测领域的分析能力。