量子科技中心_量科网

量子置乱系统已被证明是时间信息处理的有效基底。尽管其在提供丰富特征图方面的作用已得到广泛研究，但对其在时序任务中表现的理论理解仍显不足。本文提出一个通用的量子储层处理框架，该框架涵盖了量子系统物理计算模型的广泛范围。该团队通过高阶酉设计模拟置乱储层，在无噪声和有噪声环境中检验了模型的可扩展性与记忆保持能力。在无噪声环境下，研究表明测量读数会随储层规模增大呈现指数级集中，但令人惊讶的是不会随储层迭代次数增加而恶化。因此，虽然利用小型量子置乱储层重复处理量子数据具有可行性，但扩大问题规模会导致泛化能力下降——除非能承担指数级增长的测量次数开销。相比之下，早期输入与初始状态的记忆会随储层规模和迭代次数呈指数衰减。在噪声环境下，研究人员还证明了局部噪声通道会导致记忆随迭代次数呈指数衰减。为证明这些结论，团队引入了新的证明技术来约束时序量子学习模型中的集中现象。