量子科技中心_量科网

量子储层计算利用量子系统的动力学特性处理时序数据，使其特别适合在噪声中等规模量子设备上开展学习研究。早期实验方案（如重启与回滚协议）需重复量子映射的前序步骤以避免逆效应，但这会损害实时处理能力并增加计算开销。近期研究提出的替代协议克服了这些局限，包括在线协议、线路中测量技术和反馈技术，这些方法能在保持输入历史的同时实现实时计算。其中反馈协议因能用较少组件处理时序信息而表现突出。尽管具有潜在优势，基于反馈的量子储层计算理论基础仍不完善，尤其在该方法的通用性与近似能力方面。该工作通过提出新型循环量子神经网络架构填补了这一空白，将现有前馈模型拓展至动态反馈驱动的储层场景。研究为变分循环量子神经网络提供了理论保障，包括近似界和通用性证明。特别值得关注的是，分析表明该模型采用线性读出器即具备通用性，兼具强大功能与实验可行性。这些成果为具备实时处理能力、理论基础扎实的量子储层计算开辟了道路。