量智信息中心_量科网

地震预测因地震信号的高度非线性和混沌动力学特性而极具挑战性。尽管LSTM和CNN等经典深度学习模型能捕捉局部时间特征，量子模型也能提供更丰富的状态表示，但将它们与混沌驱动机制相结合的研究尚不充分。该研究提出QuChaTeR，这是一种混合架构，结合了基于小波的预处理、混沌映射、变分量子电路与循环结构，以增强时间特征提取能力。QuChaTeR在PyTorch和PennyLane上实现，并与经典模型（LSTM、GRU、RNN、1D-CNN、储层计算）及量子启发模型（量子LSTM）进行了基准对比。在真实地震数据集上，QuChaTeR始终收敛更快，并在多个评估标准上取得了更优性能。尽管结果令人鼓舞，但可扩展性和量子硬件限制仍是挑战。总体而言，该工作展示了量子-混沌混合方法为实现更准确、更稳健的地震预测提供了一条实用路径。