该研究团队探索了一种基于哈密顿量编码的最小化量子储层计算架构。该方案通过系统参数调制而非量子态制备来注入输入数据，规避了量子机器学习常见的实验负担（如反馈控制、存储单元和量子态层析需求），实现了无记忆机制的计算框架。实验表明，这种无内置记忆的极简量子储层在结合后处理延迟嵌入技术后，仍能完成非线性回归和预测任务。该工作为量子信息处理提供了概念清晰且操作简化的实践框架，为近期量子硬件的实现确立了明确基准。
