量子科技中心_量科网

储层计算为处理海量时序数据提供了一种快速方法，其核心在于构建优质储层——一个能将输入数据转化为高维表征、同时保留早期数据特征的动态系统。该研究团队提出了一种基于循环量子特征映射的储层方案，通过复用固定量子电路来同时编码当前输入和来自先前输出的经典反馈信号。团队采用最新开发的CP特征映射在Mackey-Glass时间序列预测任务上评估模型性能，发现相较于回声状态网络和多层感知机等经典基准模型，该方案在保持浅层电路深度和少量量子位需求的同时，实现了更低的均方误差。研究人员进一步分析记忆容量表明，该模型能有效保持时序信息，与其预测精度表现一致。最后，团队探究了实际噪声影响，发现模型对多种噪声通道具有鲁棒性，但对双量子比特门误差仍较敏感，这为近期实施方案指出了关键瓶颈。