QSVR

推进可持续科学、工程和

摘要 腐蚀是石油和天然气工业中一个影响重大的问题，会造成重大损失。腐蚀是全球石油和天然气生产公司每年总成本中很大一部分，而且会给环境造成严重问题，进而影响社会，因此值得研究。使用抑制剂是一种非常有效的防腐蚀方法。本研究是一项实验研究，旨在实施机器学习 (ML) 来提高腐蚀抑制剂的效率。在本研究中，考虑到日益发展的量子计算技术，在 ML 方法中使用量子支持向量回归 (QSVR) 算法，目的是产生比经典 ML 算法更好的评估矩阵值。从进行的实验中发现，与本实验中的其他模型相比，结合（TrainableFidelityQuantumKernel、ZZFeatureMap/PauliFeatureMap 和线性纠缠）的 QSVR 算法获得了更好的均方根误差 (RMSE) 和模型训练时间，其值分别为 6,19 和 92，可用于预测腐蚀抑制剂的效率。研究模型的成功可以为量子计算机算法提高矩阵评估值的能力以及 ML 预测腐蚀抑制剂效率的能力提供新的见解，尤其是在大规模工业规模上。