用于云量参数化的物理锚定残差量子神经网络

原标题: Physics-anchored residual quantum neural networks for cloud-cover parameterization

该研究将紧凑型量子神经网络应用于云量参数化，在已拟合的经典云量估计之上学习一个修正项。在基于ICON/DYAMOND数据的十种模型变体中，相对于直接QNN预测，残差预测使测试均方误差最多降低了54.3%。然而，一个更大、训练时间更长的经典参考模型取得了更低的误差，作者并未声称存在计算上的量子优势。