量子科技中心_量科网

物理储层计算为传统神经网络提供了一种能效更高的替代方案，其中物理系统固有的记忆能力发挥着核心作用。该团队证明了在无记忆系统中，可以通过利用计算中的时空权衡，将时间记忆替换为空间自由度，从而实现记忆能力的外在构建。该研究的方法利用多维输入节点作为空间记忆轴，从而消除了对储层内部历史依赖动态特性的需求。通过对一个广义量子点进行数值模拟，该团队验证了这一框架。该量子点的离散能级也提供了对储层计算至关重要的强非线性特性。通过将这种固有非线性与外在记忆相结合，该团队展示了无记忆量子储层能够在混沌Mackey-Glass未来预测和非线性变换任务中实现高性能。此外，通过分析量子态轨迹的几何结构，该团队识别出这种记忆涌现背后的物理机制：外在记忆在量子希尔伯特空间中构建了一个滞后回路，并且当系统状态的演化与输入信号的频率同步时，该回路具有拓扑稳定性。该研究工作将储层计算与材料特有的记忆特性解耦，显著扩大了量子神经形态计算的候选系统范围。