Квантова модель перевершила класичні алгоритми в аналізі супутникових знімків

Компанія IonQ протестувала квантову модель на реальних супутникових знімках і в одному з найскладніших тестів отримала результат кращий, ніж у двох класичних алгоритмів. Система шукала зміни на поверхні Землі за радіолокаційними зображеннями високої роздільної здатності. Частину обчислень дослідники виконали вже на справжньому квантовому процесорі, а не лише в симуляторі.

Для експерименту використовували знімки, отримані радаром із синтезованою апертурою. Такий супутник надсилає радіосигнал до поверхні і фіксує відбиття — хмари й темрява практично не заважають зйомці. Порівнявши знімки однієї території, зроблені в різний час, можна виявити наслідки стихійних лих, будівництво або переміщення ґрунту.

Чим вища роздільна здатність таких знімків, тим складніше їх автоматично аналізувати. Радіолокаційний сигнал створює безліч перепадів яскравості, які самі по собі не свідчать про реальні зміни на місцевості. Алгоритму доводиться відрізняти справжні зміни від звичайних коливань сигналу, а даних для впевненого рішення часом бракує.

Зазвичай знімки попередньо згладжують, щоб прибрати частину шумів і полегшити аналіз — але разом із перешкодами зникають і дрібні деталі. Дослідники обрали інший підхід: квантова модель вивчала розподіл значень пікселів на двох знімках і генерувала додаткові дані зі схожими властивостями. В основі методу лежить квантова машина Борна — генеративна модель, що вчиться відтворювати розподіл вихідних даних. Штучні вибірки допомагають алгоритму зрозуміти, які відмінності між знімками є нормальними коливаннями, а які вказують на реальні зміни.

Найпомітніша різниця проявилася на знімках Сан-Дієго з роздільною здатністю 1,2 м. На необроблених зображеннях квантова модель у симуляторі показала метрику F1 на рівні 0,30, тоді як два класичні методи отримали 0,14 і 0,20. Після згладжування знімків результати зросли до 0,41, 0,16 і 0,24 відповідно. На справжньому квантовому процесорі IonQ найкращий результат склав 0,32 проти 0,16 і 0,24 у класичних методів — реальна машина поступилася ідеальному симулятору, проте все одно зберегла перевагу.

Проте говорити про загальну перевагу квантових комп’ютерів в аналізі супутникових знімків зарано. Коли дослідники заздалегідь перетворювали дані так, щоб звичайним статистичним алгоритмам було зручніше з ними працювати, різниця майже зникала. Схожа картина вийшла і на знімках виверження вулкана Пітон-де-ла-Фурнез на острові Реюньон: максимальний показник квантового і класичних методів виявився приблизно однаковим і сягнув 0,66. Квантовий варіант вирізнявся хіба тим, що зберігав близьку якість при ширшому діапазоні налаштувань.

Автори пов’язують найцікавіший результат із складними даними, які погано описуються звичайними статистичними моделями. Квантова генеративна модель може виявитися корисною саме там, де спостережень мало, значення розподілені нерівномірно, а попереднє згладжування здатне знищити потрібні деталі. Дослідження поки опубліковане як препринт і охоплює лише два типи супутникових даних, тож демонструє перспективний сценарій застосування квантового процесора — але не доводить його загальної переваги над класичними комп’ютерами.