AI 與世界的難題 · 地球與氣候科學 · arXiv · 2026-10-20
用於雲量參數化的物理錨定殘差量子神經網路
原標題: Physics-anchored residual quantum neural networks for cloud-cover parameterization
本研究將精簡的量子神經網路應用於雲量參數化，在已擬合的傳統雲量估計之上學習修正量。在源自 ICON/DYAMOND 的資料上，跨十種模型變體的結果顯示，與直接以 QNN 預測相比，殘差預測最多可將測試均方誤差降低 54.3%。然而，規模更大、訓練時間更長的傳統參考模型仍取得更低的誤差，作者也並未宣稱具有計算上的量子優勢。