論文の概要: Synthetic weather radar using hybrid quantum-classical machine learning

• arxiv url: http://arxiv.org/abs/2111.15605v1
• Date: Tue, 30 Nov 2021 17:56:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-01 16:53:13.038612
• Title: Synthetic weather radar using hybrid quantum-classical machine learning
• Title（参考訳）: ハイブリッド量子古典機械学習を用いた合成気象レーダ
• Authors: Graham R. Enos, Matthew J. Reagor, Maxwell P. Henderson, Christina Young, Kyle Horton, Mandy Birch, Chad Rigetti
• Abstract要約: 高解像度気象レーダー画像は効果的な予測と意思決定の基盤となっている。 従来のレーダ範囲を超える地域では、生成モデルは重要な合成能力として現れている。 本稿では,グローバルな気象レーダにおける生成タスクのための量子支援モデルを用いて,従来の畳み込みニューラルネットワークを強化する手法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The availability of high-resolution weather radar images underpins effective forecasting and decision-making. In regions beyond traditional radar coverage, generative models have emerged as an important synthetic capability, fusing more ubiquitous data sources, such as satellite imagery and numerical weather models, into accurate radar-like products. Here, we demonstrate methods to augment conventional convolutional neural networks with quantum-assisted models for generative tasks in global synthetic weather radar. We show that quantum kernels can, in principle, perform fundamentally more complex tasks than classical learning machines on the relevant underlying data. Our results establish synthetic weather radar as an effective heuristic benchmark for quantum computing capabilities and set the stage for detailed quantum advantage benchmarking on a high-impact operationally relevant problem.
• Abstract（参考訳）: 高解像度気象レーダー画像の可用性は、効果的な予測と意思決定を支えている。 従来のレーダ範囲を超えた地域では、生成モデルは重要な合成能力として現れ、衛星画像や数値気象モデルのようなよりユビキタスなデータソースを正確なレーダのような製品に融合させた。 本稿では,グローバルな気象レーダにおける生成タスクのための量子支援モデルを用いて,従来の畳み込みニューラルネットワークを強化する手法を示す。 量子カーネルは、基本となるデータ上で古典的学習マシンよりも、原理上、より複雑なタスクを実行できる。 本研究は, 合成気象レーダを量子コンピューティング能力の効果的なヒューリスティックベンチマークとして確立し, より詳細な量子優位性ベンチマークのステージを設定した。

関連論文リスト

• TriQXNet: Forecasting Dst Index from Solar Wind Data Using an Interpretable Parallel Classical-Quantum Framework with Uncertainty Quantification [2.1940162009107382]
  地磁気嵐はGPS、衛星通信、電力網などの重要なインフラを破壊する可能性がある。 本研究は、Dst予測のためのハイブリッド古典量子ニューラルネットワークであるTriQXNetを紹介する。 我々のモデルは、古典的および量子コンピューティング、共形予測、およびハイブリッドアーキテクチャ内に説明可能なAI(XAI)を統合する。
  論文  参考訳（メタデータ） (2024-07-09T08:30:42Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Short-term Precipitation Forecasting in The Netherlands: An Application of Convolutional LSTM neural networks to weather radar data [0.0]
  この研究は、空間パターン認識のための畳み込みニューラルネットワーク(CNN)層と、時間的シーケンスをモデル化するためのLSTMネットワーク層を組み合わせたものである。 このモデルはオランダの気象レーダーデータに基づいて訓練され、検証された。 その結果,降水運動の方向と強度の予測には高い精度が得られた。
  論文  参考訳（メタデータ） (2023-12-02T18:13:45Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Attention-Based Scattering Network for Satellite Imagery [0.0]
  我々は、この散乱を利用して、訓練可能なパラメータを追加せずに高レベルの特徴を抽出する。 実験では、熱帯性サイクロンの強度を推定し、衛星画像から雷の発生を予測する有望な結果を示した。
  論文  参考訳（メタデータ） (2022-10-21T18:25:34Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Numerical Weather Forecasting using Convolutional-LSTM with Attention and Context Matcher Mechanisms [10.759556555869798]
  本稿では,高解像度気象データを予測するための新しいディープラーニングアーキテクチャを提案する。 我々の気象モデルは,ベースラインの深層学習モデルと比較して,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2021-02-01T08:30:42Z)
• Quantized Neural Networks for Radar Interference Mitigation [14.540226579203207]
  CNNに基づくノイズ除去と干渉緩和のアプローチはレーダ処理に有望な結果をもたらす。 本稿では,CNNに基づくレーダ信号のノイズ除去と干渉緩和のための量子化手法について検討する。
  論文  参考訳（メタデータ） (2020-11-25T13:18:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。