量子科技中心_量科网

量子储层计算已成为一种前景广阔的机器学习范式，能在近期量子设备上处理时序数据——它既能充分利用量子比特的大规模计算容量，又避免了训练变分量子电路时的典型问题。基于量子门的回声状态网络尤其适用于储层电路呈现非幺正演化的场景，但此前缺乏确保电路可调谐且稳定维持非幺正演化的方法。该研究团队提出通过向储层中每个量子比特施加受控旋转来诱导阻尼的算法，实现了对零态电路级振幅的可调谐放大，使系统远离最大混合态并防止中途重复测量造成的信息丢失。该算法具有内在时间稳定性：理论上可通过为每个量子比特引入任意阻尼，处理远超单个量子比特相干时间的超长输入序列。此外，量子比特间的关联性可提升记忆保持能力，这印证了将量子系统用作计算储层的潜在价值。通过储层计算典型基准测试，该团队证明该算法能在容错量子硬件上实现稳健且可扩展的量子随机计算。