量子科技中心_量科网

非法、未报告和无管制（IUU）捕捞每年导致全球经济损失达100-250亿美元，并破坏海洋可持续性与治理。合成孔径雷达（SAR）可在全天候条件下提供可靠的海事监测，但对SAR图像中小型海上目标的分类仍具挑战性。该研究团队探索了量子机器学习在此任务中的应用，重点研究了从SARFish数据集中提取的实值与复数SAR芯片上应用的量子核方法（QKMs）。团队攻克了两个二元分类问题：其一是区分船舶与非船舶目标，其二是区分渔船与其他类型船舶。研究人员将应用于实值与复数SAR芯片的QKMs，与应用于实值SAR芯片的经典拉普拉斯核、径向基函数核及线性核进行了对比。通过量子核的无噪声数值模拟发现，在最佳情况下，QKMs能获得与经典核相当或更优的性能，但对复数SAR数据并未展现出明显优势。该工作首次将QKMs应用于SAR图像中的海事目标分类，并为量子增强学习在海事监测领域的潜力与当前局限提供了重要见解。