量子科技中心_量科网

物理储备计算提供了一种强大的机器学习范式，它利用非线性物理动力学实现高效信息处理。通过引入量子效应，量子储备计算在机器学习应用中展现出卓越潜力——因为量子动力学的经典模拟需要指数级计算资源。本工作提出了一种基于关联量子自旋系统的新型量子储备计算方法，利用天然量子多体相互作用生成储备动力学，从而规避了深度量子电路的实际挑战。 实验结果表明，该体系能支持非平庸的量子纠缠态，并展现出足够复杂的动力学特性以满足高性能机器学习需求。在标准时间序列基准测试中，该研究团队实现了当前最优性能，将预测误差较以往量子储备实验降低了一至两个数量级。在长期天气预报任务中，仅含9个自旋的量子储备系统预测精度就超越了具有数千个节点的经典储备系统。这是量子机器学习在现实任务中首次通过实验验证其超越大规模经典模型的能力。