量子科技中心_量科网

统计降尺度是天气建模领域的关键组成部分，该领域需要以完整的动力精细化成本，从粗分辨率输入重建高分辨率输出。本研究探讨了一种混合量子-经典校正扩散模型，用于天气场的概率统计降尺度。所提出的模型将变分量子电路层嵌入扩散UNet最压缩的瓶颈部分，同时保留回归分支完全经典。这种设计旨在检验量子电路能否作为潜在通道混合的紧凑非线性特征映射。该团队在10米风场分量上评估了通道内和跨通道的量子电路ansätze。在2020年验证集上，混合模型保持稳定，保留了生成风场的大尺度空间组织，并在多种配置下，相较于经典校正扩散模型，提升了MAE和CRPS指标。结构诊断进一步表明，混合变体保留了与经典模型相似的动能谱和风速分布，同时在尾部行为、极端风速定位以及联合风场分量结构方面产生了可控变化。2020年验证集上的后端研究表明，在测试的电路规模下，模拟设备噪声的影响可忽略不计，而实际硬件部署仍受限于量子比特可用性和执行保真度。2021年分布外测试显示，这些分布内增益无法在时间偏移下均匀迁移，揭示了一个泛化差距，这激励未来通过稳定化和正则化进行缓解。这些结果表明，瓶颈层面的量子混合可以为天气统计降尺度做出重要贡献，同时也凸显出电路规模和硬件部署仍是关键限制因素。