量子科技中心_量科网

该研究表明，循环量子储层计算机（QRCs）及其无循环架构（RF-QRCs）是处理时间序列数据中混沌动力学学习与预测的强效工具。首先，研究人员将量子储层计算机建模并阐释为耦合动力系统，其中储层作为由训练数据驱动的响应系统——换言之，量子储层计算机属于广义同步（GS）系统。其次，该工作证实这类系统能够学习混沌动力学及其不变特性（如Lyapunov谱、吸引子维度）以及协变Lyapunov向量等几何特征，此分析通过推导量子储层更新的雅可比矩阵实现。第三，借助广义同步理论工具，该团队提出设计稳健量子储层计算机的方法，并建立“GS=ESP”判据：广义同步蕴含回声状态特性（ESP），反之亦然。分析证明RF-QRCs通过设计天然满足该判据。最后，通过模拟噪声效应发现，噪声耗散反而增强了系统的鲁棒性。针对不同维度系统的数值验证支持上述结论，该成果为近量子硬件上混沌时间序列预测的稳健量子机器设计开辟了新途径。