量子科技中心_量科网

人工智能领域的最新进展突显了基于神经网络（NN）的系统在经典计算机上的卓越能力。然而，这些系统面临着显著的计算挑战，限制了其可扩展性和效率。量子计算机有望克服这些限制，并超越经典系统的处理能力。尽管如此，由于当前量子硬件中存在的噪声、退相干和高错误率等挑战，将量子计算与神经网络结合仍远未实现。在此，该团队提出了一种新颖的量子回声状态网络（QESN）设计和实现算法，该算法能够在当前IBM硬件上在噪声存在的情况下运行。研究人员应用经典控制理论中的响应分析来表征QESN，强调其丰富的非线性动力学和记忆能力，以及通过稀疏性和重新上传块进行微调的能力。该工作通过全面的演示验证了QESN作为量子观测器的功能，应用于高保真模拟和利用典型混沌Lorenz系统数据的硬件实验中。研究结果表明，QESN能够预测具有持久记忆的长时序，运行时间超过IBM Marrakesh QPU的中位T1和T2时间的100倍，在超导硬件上实现了最先进的时序性能。