量子科技中心_量科网

精确的盐体轮廓圈定对于地震解释至关重要，因为盐体会扭曲波传播、使速度模型构建复杂化、模糊储层几何形态，并增加勘探与钻井决策的不确定性。尽管混合量子-经典模型已在小型图像分类任务中展现出竞争力，但其在密集、像素级地球物理预测中的价值仍未得到充分验证。本文提出了量子特征门控——一种混合分割架构，该架构在编码器-解码器流程的特征融合点嵌入参数化量子电路（PQC）。一个具有4量子比特、2层结构并采用数据重上传的PQC，在每个特征金字塔网络合并点计算侧向特征与自上而下特征的学习型凸组合。全局平均池化层将编码器特征映射为固定的4维量子输入，使得72个参数的量子预算与骨干网络大小及图像分辨率解耦。该方法在2018年TGS盐体识别挑战赛上进行评估，使用4,000张101×101分辨率的地震图像，涉及两种集成拓扑、八种电路变体以及六种参数从8M到118M的编码器，采用五折交叉验证。在256×256分辨率下进行的受控EfficientNetV2-L消融实验中，将三个量子FPN门替换为逐元素加法，同时保持编码器、损失调度、数据划分和阈值搜索不变，导致平均IoU从0.9389降至0.8404，下降了9.85个百分点。在自定义U-Net中，将相同电路作为跳跃连接注意力插入，相比SolidUNet基线IoU提升了0.88个点，表明PQC的贡献取决于其门控的位置和内容。这些结果提供了受控证据，证明量子特征融合能够改善密集地震分割。