量子科技中心_量科网

海洋石油泄漏需要快速检测，以减轻严重的生态和经济损失。虽然基于卫星的合成孔径雷达（SAR）提供了必要的全天候监测能力，但分析这些数据仍然具有挑战性。深度学习模型通常需要海量数据集且延迟较高。为解决这一问题，本文开发了一种逐像素的量子辅助支持向量机（QSVM）Bagging集成方法。该方法利用量子退火在小数据子集上优化单个弱SVM的支持向量，然后通过经典方式进行聚合。该方案在Sentinel-1影像上分别使用量子模拟和物理量子退火硬件进行了评估。量子辅助管道实现了与严谨的经典基线相当的性能，交并比（IoU）达到0.60，平衡准确率达到0.89。基于门电路的量子计算补充实验也展示了相似的分割精度，但量子退火方法在推理效率上更具优势。进一步在霍尔木兹海峡的独立溢油影像上评估了泛化能力，证明了训练后的管道在地理位置不同的溢油事件中具有潜在的迁移能力。这些结果证实了量子辅助分割管道在近实时环境监测中的可行性。