量子科技中心_量科网

量子机器学习（QML）正取得快速进展，基于QML的模型有望实现量子优势，例如相较于经典模型可能具备更强的表达能力和泛化能力。该研究团队展示了利用量子神经网络（QNN）为地球系统模型（ESM）开发云量参数化方案的工作。ESM对气候变化预测和预估至关重要，而结合传统物理组件与机器学习（ML）模型的混合模型可提升其性能。研究表明，在自由参数数量相同的情况下，QNN预测云量的性能与经典神经网络相当，且显著优于传统方案。该工作还对比分析了QNN与经典神经网络的学习能力，证明至少在当前案例中，QNN能学习到比经典神经网络更一致的关系。