量子科技中心_量科网

量子储层计算作为一种新兴范式，通过规避基于梯度的学习方法的昂贵训练成本，为利用量子系统高效处理时序数据提供了前景广阔的解决方案。该研究团队展示了该方法在预测和表征离散非线性映射（以逻辑斯蒂映射和埃农映射为例）中的混沌动力学方面的能力。在实现卓越预测精度的同时，研究人员还展示了基于底层映射特性优化量子储层训练超参数的过程，从而为其他离散和连续时间序列数据的高效预测铺平了道路。此外，该框架在原位训练时表现出对退相干效应的鲁棒性，并对储层哈密顿量变化具有不敏感性。这些成果标志着量子储层计算作为可扩展且抗噪声的复杂动力系统建模工具，在近期量子硬件上具有直接应用价值。