近期本源量子与地理科学研究院资源与环境国家重点实验室信息系统HASM研究团队合作与中国科学院自然资源部[1]合作取得重要进展。基于本源量子开源量子编程框架QPanda，实现了相关量子算法编程，并采用HASM-HHL量子机器学习算法，研究人员实现了江西省对武功山数字地形模型（DTM）进行了缩小，研究了不同计算精度下算法对应的量子电路的变化过程，验证了超算程序在理想情况下模拟的HHL量子算法不仅可以达到经典预处理共轭梯度法的计算精度，而且相比经典算法还有效降低了算法的复杂度。研究成果近日发表在《Science Bulletin》上。
[1]中国科学院地理科学与资源研究所、中国科学院大学资源与环境学院、江西省国土资源与环境学院资源与环境信息系统国家重点实验室江苏省农业大学地理信息资源开发利用协同创新中心、南加州大学空间科学研究所、北京雁栖湖应用数学研究所、武功山气象生态环境监测站、西南大学地理科学学院、中国科学院生态环境研究中心、北京师范大学地理科学系。 如何利用理论上完备的方法有效整合外在量信息（如卫星遥感信息）和内在量信息（如地面观测信息），解决生态环境地表建模中的误差问题和多尺度问题，非线性问题和大内存需求一直是生态环境信息学面临的重要挑战。为了解决上述问题，研究人员通过表面理论、系统论、优化控制理论和现代计算机技术的有机结合，将生态环境要素的网格表达抽象为数学“表面”，创建了一个集成的外部和内部量。 。 高精度 数量信息的表面建模（HASM）方法。然而，HASM 仍有许多遗留问题需要解决。 
