量子科技中心_量科网

量子储层计算（QRC）已成为嘈杂中等规模量子（NISQ）机器学习的重要范式，其通过利用量子态的高维动力学特性，能以极小的训练开销处理时序数据。本文推出开源模块化Python框架QRC-Lab，旨在弥合理论量子动力学与应用机器学习工作流之间的鸿沟。该研究团队严格定义了QRC概念，对比了物理实现与基于量子门的方法，并形式化工具箱中使用的储层映射机制。QRC-Lab构建了一个可配置的量子门实验平台，用于研究输入编码、储层连通性和测量策略，并通过三个教学案例（短期记忆重建、时序奇偶校验（XOR）及作为压力测试的NARMA10预测）验证了这些概念。此外，该工作引入基于学习理论的泛化间隙扫描方法，以直观展示量子特征映射中的容量控制机制。完整源代码、实验脚本及可复现资源已公开于：https://doi.org/10.5281/zenodo.18469026。