量子科技中心_量科网

量子储层计算（QRC）利用量子系统的自然动力学进行信息处理，无需依赖容错量子计算机。该工作将QRC应用于混合量子-经典框架下的图像去噪任务，其中量子储层由里德堡原子阵列实现，而经典神经网络作为读出层。在输入预处理阶段，图像首先通过主成分分析（PCA）进行压缩降维以匹配原子阵列尺寸，随后将特征向量编码至控制里德堡系统的时变哈密顿量局域失谐参数中。随着系统演化，通过对多个时间步长可观测量测量产生非线性嵌入表征。这些时序嵌入能捕捉复杂关联特征，并被输入经典神经网络以重建去噪图像。为评估性能，研究人员在相同训练条件下将QRC辅助模型与仅采用PCA加稠密神经网络的基线架构进行对比。结果表明，基于QRC的方法相较PCA模型能获得更优的图像锐度与相当的结构恢复效果。该团队通过QuEra公司Aquila中性原子处理器的实验验证了该框架的实际可行性——利用其可编程原子阵列物理实现了储层动力学。