岳天祥研究员团队在HASM量子智能计算方面取得重要进展

如何采用理论完备的方法实现外蕴量信息(例如卫星遥感信息)与内蕴量信息(例如地面观测信息)的有效集成,并解决生态环境曲面建模的误差问题、多尺度问题、非线性问题和大内存需求问题,一直以来是生态环境信息学面临的重要挑战。为解决上述问题,岳天祥研究员团队将生态环境要素的格网化表达抽象为数学曲面,通过曲面论、系统论和优化控制论以及现代计算机技术的有机结合,创建了有效集成外蕴量与内蕴量的高精度曲面建模(HASM)方法。在HASM理论发展和广泛应用过程中,提炼形成了地球表层系统建模基本定理和生态环境曲面建模基本定理及其关于空间插值、尺度转换、数据融合和模型-数据同化的推论和算法(Yue et al., 2020)

HASM可转换为求解大型稀疏线性代数方程组,该大型线性系统可运用HHL量子算法进行求解。岳天祥研究员团队通过HASM机器学习算法与HHL量子算法耦合形成了HASM-HHL量子智能计算方法。并以武功山地区为案例区,通过QPanda提供的分布式计算框架, HASM-HHL量子智能计算在高性能计算群进行训练实验。训练实验表明,精度设置对HASM-HHL性能和量子线路参数有很大影响;量子计算对量子比特总数的需求依赖于计算域的栅格总数。经估算,运用HASM-HHL模拟整个地球表面时,在1 km × 1 km空间分辨率,需要40量子比特;在1 m × 1 m 空间分辨率,需要45量子比特。结果表明,在充足的物理量子计算资源条件下,HASM-HHL算法具有很高的求解精度,相对于经典算法可实现指数级加速(Yue et al., 2022)。

由于HASM已成功应用于各种空间尺度的数字高程模型构建以及生态多样性变化、人口动态、土壤属性动态、食物供给动态、碳储量动态、二氧化碳浓度变化、气候变化和新冠传播动态等的模拟分析。HASM-HHL有望成为模拟分析地球表层系统及其生态环境要素的通用量子智能计算平台。

 

1. TianXiang Yue, Na Zhao, Yu Liu, YiFu Wang, Bin Zhang, ZhengPing Du, ZeMeng Fan, WenJiao Shi, ChuanFa Chen, MingWei Zhao, DunJiang Song, YinJun Song, ChangQing Yan, QiQuan Li, XiaoFang Sun, LiLi Zhang, YongZhong Tian, Wei Wang, YingAn Wang, ShengNan Ma, HongSheng Huang, YiMin Lu, Qing Wang, ChenLiang Wang, YuZhu Wang, Ming Lu, Wei Zhou, Yi Liu, XiaoZhe Yin, Zong Wang, ZhengYi Bao, MiaoMiao Zhao, YaPeng Zhao, YiMeng Jiao, Ufra Naseer, Bin Fan, SaiBo Li, Yang Yang, John P. Wilson. 2020. A fundamental theorem for eco-environmental surface modelling and its applications. Science China-Earth Sciences 63(8), 1092-1112.

2.      TianXiang Yue, Yi Liu, ZhengPing Du, John Wilson, DongYi Zhao, Yu Wang, Na Zhao, WenJiao Shi, ZeMeng Fan, XiaoMin Zhao, Qing Zhang, HongSheng Huang, QingYuan Wu, Wei Zhou, YiMen Jiao, Zhe Xu, SaiBo Li, Yang Yang, BoJie Fu. 2022. Quantum machine learning of eco-environmental surfaces. Science Bulletin 67, 1031-1033.


附件下载: