量子科技中心_量科网

尽管光子作为鲁棒性强、适合室温环境下运行的量子机器学习载体，但其间缺乏光子-光子相互作用限制了实现捕获长程上下文所需的关键记忆功能。近期基于测量的光子量子忆阻器（PQMR）实现了可调谐的非马尔可夫响应，但其记忆功能仍局限于局部单元，与生物或人工网络中记忆信息全局共享的特性形成鲜明对比。本研究提出了一种可扩展的PQMR网络，通过测量实现记忆共享。每个忆阻节点利用自身及相邻量子态的历史信息更新内部状态，从而实现分布式记忆。通过将节点建模为光子量子忆阻晶体管，该工作展示了器件层面经典与量子磁滞效应的显著增强，以及网络层面量子磁滞效应的提升。当作为量子储备池运行时，该架构通过增强数据可分性，在Fashion-MNIST分类任务中实现了准确率与置信度的双重提升。这一方法为兼容线性光学量子计算的忆阻器件实现高容量量子机器学习开辟了新路径。