传统计算机的进步源于晶体管的小型化和芯片上晶体管数量的增加，但晶体管的小型化已达到了它的极限水平。与此同时，许多实际问题需要超过当今计算机计算能力的巨量计算资源。近年来，量子计算的发展为我们解决这一问题带来了曙光。虽然量子计算可实现相对于传统超算的指数级加速，但误差问题是实现量子实用优势的严重障碍。最新研究表明，量子机器学习是提高量子计算精度的有效途径之一。
经过30多年的持续努力，中国科学院地理科学与资源研究所岳天祥研究团队提出了高精度曲面建模（缩写为HASM）机器学习方法的量子算法（缩写为HASM-HHL）。实验结果表明，HASM-HHL量子机器学习算法的计算结果达到了传统高精度算法的精度水平；与此同时，可实现相对于传统高时效算法的指数级加速。
HASM-HHL量子机器学习算法是高精度曲面建模（HASM）方法6个发展阶段的最新成果。1986~2001年，是HASM发展的探索阶段；2001~2007年，岳天祥研究团队跳出传统思维，将一个区域或其生态环境要素格网化表达抽象为数学“曲面”，通过曲面论、控制论和系统论的有机结合，提出HASM方法，解决了曲面建模的误差问题、多尺度问题和非线性问题；2007~2011年，初步解决了HASM传统算法的运算速度慢和大内存需求问题；2011~2016年，提出了地球表层系统建模基本定理；2016~2020年，提出了生态环境曲面建模基本定理；2020年以来，致力于量子机器学习算法及传统与量子智能计算通用平台研究。上述系统性成果被集成为《生态环境信息学》中英文教材，并被中国科学院大学遴选为一级学科核心课，实现了科教深度融合。
国际生态建模学会前主席Sven Erik Jorgensen教授指出：误差问题和低计算速度问题是地理信息系统和计算机辅助设计系统面临的两个主要挑战，HASM为长期以来困扰地理信息系统和计算机辅助设计系统的这些问题提供了解决方案。国际生态学会前主席Wolfgang Haber教授发表点评文章指出：许多研究都描述了外蕴量（卫星遥感数据或空间模型模拟结果）和内蕴量（地面观测数据或空间采样数据）两种信息对生态环境曲面建模的重要意义，然而如何将这两种信息结合起来是我们面临的挑战。生态环境曲面建模基本定理为这一挑战提供了解决方案。
HASM各阶段成果分别被联合国千年生态系统评估（MA，链接）亚全球评估报告（2005年发布）、联合国生物多样性和生态系统服务政府间科学政策平台（IPBES）（https://www.ipbes.net/）的情景与模型方法指导性文献（2016年发布）、联合国IPBES全球评估报告（2019年发布），以及联合国IPBES生物多样性、水、食物和健康互联评估报告（2024年发布）采纳。对我国在联合国IPBES领域的潜在话语权具有重要意义。
HASM被国家卫星气象中心等部门采用，支撑了中国碳卫星大气二氧化碳观测数据的高精度、高时效处理分析。基于HASM的《地表碳核查技术规程》（GB/T 42419-2023）国家标准已于2023年3月由国家市场监督管理总局和国家标准化管理委员会向全国发布施行，该国家标准确立了地表碳核查技术的总体流程和要求，为不同地区之间的碳交易提供技术标准依据；该标准在江西省资溪县进行了成功示范，将助力我国“双碳”战略目标的实现。与此同时，在国际标准化组织（ISO）2024年11月14日发布的《通过地理信息标准应对气候变化战略》的特设工作组报告中，充分肯定了加拿大、中国、联合国政府间气候变化专门委员会、欧洲联盟、开放地理空间联盟、英国和美国的重要贡献。在关于中国贡献部分，较详细地描述了中国国家标准“地表碳核查技术规程”的主要内容及其在江西省资溪县碳中和评估模型搭建中的成功示范。
【相关文献】