Rilevamento dei cambiamenti SAR e InSAR con modelli generativi quantistici

Abstract degli autori

Il rilevamento dei cambiamenti nei radar ad apertura sintetica (SAR) e nei radar ad apertura sintetica interferometrici (InSAR) è alla base della risposta alle catastrofi, del monitoraggio delle infrastrutture e del controllo dell’uso del suolo. Il rilevamento è limitato dallo stimatore dello sfondo, che in genere ricava un’aspettativa condizionata direttamente dalle statistiche dei pixel osservati e le cui prestazioni peggiorano quando tali statistiche sono scarse, anche nel regime prodotto dalle marginali a code pesanti dei radar con risoluzione sub-metrica. In questo lavoro integriamo immagini satellitari all’avanguardia con l’apprendimento automatico quantistico su processori quantistici di IonQ basati su ioni intrappolati. Sostituendo la condizionata empirica con un modello generativo campionato da una quantum circuit Born machine (QCBM) nello spazio delle copule, miglioriamo sostanzialmente il rilevamento dei cambiamenti in immagini reali sparse. Nelle acquisizioni di immagini satellitari di Capella Space, lo stimatore generativo eguaglia i metodi convenzionali quando le statistiche osservate sono adeguate e li supera nettamente quando non lo sono. L’esecuzione del modello addestrato sull’hardware di IonQ basato su ioni intrappolati riproduce i risultati delle simulazioni ideali e rumorose e dimostra prestazioni pari, o persino superiori, a quelle dei metodi classici allo stato dell’arte. Per un dataset SAR di un aeroporto, le valutazioni dei circuiti sulla QPU sia in fase di addestramento sia in fase di inferenza hanno raggiunto un punteggio F1 filtrato massimo di 0,32, contro 0,16 e 0,24 per i due metodi di riferimento classici. Per un dataset InSAR di una colata lavica vulcanica, tutti e tre i metodi hanno raggiunto un F1 filtrato massimo di circa 0,66. Questi esperimenti dimostrano la fattibilità dell’esecuzione di uno stimatore dello sfondo basato su QCBM su hardware a ioni intrappolati. Dimostriamo inoltre che il metodo QCBM si estende con successo ai dati di coerenza interferometrica, raggiungendo prestazioni paragonabili a quelle degli approcci classici.