Accelerating physics-informed neural networks for full waveform inversion using a hybrid quantum-classical finite-basis architecture
Dieses Paper führt ein hybrides quanten-klassisches Finite-Basis-Physics-Informed Neural Network (FBPINN) ein, das parametrisierte Quantenschaltkreise nutzt, um die vollständige Wellenform-Inversion signifikant zu beschleunigen und dabei im Vergleich zu klassischen Baselines geringere Geschwindigkeitsfehler mit weniger trainierbaren Parametern und Trainingsiterationen zu erreichen.