量子科技中心_量科网

储层计算是一种极具前景的类脑计算范式，当存在量子纠缠时，其基于自旋网络的量子实现已显现出一定优势。本研究考虑了一种分布式场景：将两个不同输入时间序列分别注入自旋网络储层的独立量子比特中。研究人员探究了系统整体纠缠度及其局域化分布如何影响储层性能。针对需要计算双输入乘积的双线性记忆任务，该工作评估了短期记忆容量，并将其与作为二分纠缠度量的对数负性相关联。研究发现：短期记忆容量在较小耦合强度时即达峰值，而平均纠缠度则需更强耦合才出现高峰。通过对所有二分位纠缠的分析，团队发现两个输入量子比特间的纠缠始终最强且与任务性能最相关。在最大化短期记忆容量的弱耦合区域，储层展现出延展的记忆尾迹——性能可长期保持高位。此外，跨频率观测到的零时延性能骤降现象表明，信息需在储层中经过有限传播时间才能被有效召回。综上所述，该研究证明适度的纠缠（特别是两输入量子比特间的纠缠）对提升短期记忆性能具有关键作用。