量子科技中心_量科网

量子储层计算（QRC）为面向时序任务的在线量子增强机器学习提供了一个颇具前景的框架，但具备本征记忆能力的实际实现方案仍然有限。该研究团队展示了一种基于确定性生成多模压缩态的光学QRC平台，在完全连续变量（CV）体系中同时利用频谱与时间复用技术，实现了可控衰减记忆。数据通过光学参量过程中泵浦光的可编程相位整形进行编码，并通过模式选择零差探测读取。实时记忆通过电光相位调制的反馈实现，而长期依赖关系则经由空间复用达成。这一仅需极少后处理的架构可执行非线性时序任务（包括奇偶校验和混沌信号预测），其结果得到高保真数字孪生模型的验证。研究表明，利用纠缠多模结构能显著提升量子储层的表达能力和记忆容量。该工作建立了一个支持连续变量编码且适用于量子增强信息处理的、可扩展的光子量子机器学习平台。