Optimal quantum reservoir computing for the NISQ era
通用容错量子计算机需要数百万个低错误率的量子比特。由于这项技术领先数年,噪声中间尺度量子(NISQ)计算正在受到极大的关注。在这种设置中,量子水库计算是一种相关的机器学习算法。其简单的训练和实施允许在当今可用的机器上执行具有挑战性的计算。在这封信中,我们提供了一个标准来选择最佳的量子库,需要几个简单的门。我们的研究结果表明,他们呈现更好的结果比其他常用的模型显着更少的门,也提供了洞察量子水库计算和量子态复杂性理论之间的理论差距。
2022-05-20 quant-ph
Quantum Wiener architecture for quantum reservoir computing
Trinity College Dublin(都柏林三一学院)
本文提出量子维纳架构,通过核理论解释其表达能力,并在回声状态计算基准中展示优于经典和量子模型的性能。
2026-01-08 quant-ph
Natural quantum reservoir computing for temporal information processing
水库计算是一种时间信息处理系统,它利用人工或物理耗散动力学来学习动力系统并生成目标时间序列。本文提出了使用真正的超导量子计算设备作为水库,其中的耗散属性是由自然噪声添加到量子比特。这个自然的量子水库的性能表现在一个基准的时间序列回归问题和一个实际的问题,根据时间传感器数据分类不同的对象。在这两种情况下,所提出的储层计算机显示出比线性回归或分类模型更高的性能。结果表明,有噪声的量子器件可以作为一个水库计算机,特别是量子噪声可以作为一个丰富的计算资源,而这在传统的量子计算中是不可取的.
2022-03-04 quant-ph
Adapting reservoir computing to solve the Schrödinger equation
本研究适配储层计算算法求解含时薛定谔方程,扩展其处理复值高维波函数的能力,提出多步学习策略防过拟合,通过4个分子振动动力学标准问题验证了方法性能。
2022-02-12 quant-ph
Physical reservoir computing using finitely-sampled quantum systems
水库计算的范例利用物理水库的非线性动力学来执行复杂的时间序列处理任务,例如语音识别和预测。与其他机器学习方法不同,水库计算放松了对网络内参数优化的需求,因此对于近期硬件高效的量子实现特别有吸引力。然而,实际量子库计算机的完整描述需要考虑它们在量子测量链中的位置,以及测量下的条件演化。因此,训练和推理必须使用来自所获得的测量记录的有限样本来执行。在这里,我们描述了连续外差测量下的非线性量子水库计算的框架。使用一个有效的截断累积量表示的完整的测量链,使我们能够从水库的几个耦合的非线性玻色子模式在强激励下的随机测量轨迹采样。该描述还提供了数学基础,以直接比较在经典和量子制度下操作的给定物理储层的计算能力。应用这个框架的分类的量子态的系统是相同的测量链的一部分,作为量子水库计算机,我们评估和解释的测量偶然的优点和缺点的水库处理在量子制度。我们的研究结果还确定了附近的分岔点,提出了最佳的非线性处理制度的基于量子水库。所考虑的模型可以在现代电路QED实验中直接实现,而该框架适用于更一般的量子非线性水库。
2021-11-05 quant-ph
High-Accuracy Temporal Prediction via Experimental Quantum Reservoir Computing in Correlated Spins
University of Science and Technology of China(中国科学技术大学);The Chinese University of Hong Kong(香港中文大学)
本文提出基于关联量子自旋系统的新型量子共振计算方法,利用自然量子多体相互作用生成共振动力学,实现高精度时间序列预测,实验结果在标准时间序列基准和长期天气预测中均优于经典模型。
2026-03-26 quant-ph
Input-dependence in quantum reservoir computing
该研究聚焦量子储备池计算的输入依赖性,提出保障储备池计算滤波器单射性的条件以区分不同输入序列,拓展了收缩动力学相关结果,为分析高价值量子储备池提供支撑。
2025-06-17 quant-ph
Dynamical phase transitions in quantum reservoir computing
封闭量子系统表现出不同的动力学机制,如多体局域化或热化,这决定了信息的传播和处理机制。在这里,我们解决量子水库计算,一个非常规的计算范式最近扩展到量子制度,利用动态系统来解决非线性和时间的任务,这些动态阶段的影响。我们建立的热阶段是自然适应量子水库计算的要求,并报告在热化过渡的研究任务的性能提高。揭示自旋网络最佳信息处理能力背后的物理机制对于未来的实验实现至关重要,并提供了一个新的视角。
2021-09-06 quant-ph
Hybrid quantum-classical reservoir computing for simulating chaotic systems
提出混合量子储备池计算(HQRC)框架,用量子电路替代传统储备池以编码复杂动力学,在Lorenz63和双涡卷混沌系统中实现了与先进经典模型相当的预测性能。
2024-04-24 quant-ph
Information Processing Capacity of Spin-Based Quantum Reservoir Computing Systems
复杂量子系统的动力学行为可以用于信息处理。为此,最近推出了具有伊辛自旋网络的量子库计算(QRC),作为经典库计算的量子版本。反过来,水库计算是一种神经启发的机器学习技术,包括利用动态系统来解决非线性和时间任务。我们表征的自旋为基础的QRC模型的性能与信息处理能力(IPC),它允许量化的计算能力的动力系统超出特定的任务。IPC的输入注入频率,时间复用,和不同的测量观测值,包括本地自旋测量以及相关性的影响,解决。我们找到一个最佳的输入驱动的条件,并提供不同的选择用于读出的输出变量的替代方案。这项工作建立了一个清晰的图像的计算能力的量子网络的自旋水库计算。我们的研究结果铺平了道路,未来的研究QRC无论是从理论和实验的角度来看。
2020-10-13 quant-ph
From Krylov Complexity to Observability: Capturing Phase Space Dimension with Applications in Quantum Reservoir Computing
Technische Universität Ilmenau(埃尔朗根-纽伦堡工业大学)
本文提出Krylov可观测性作为量子系统有效相空间维度的度量,并在量子回声计算中验证其与信息处理能力的关系,同时提升了计算效率。
2025-07-11 quant-ph
Optimizing quantum noise-induced reservoir computing for nonlinear and chaotic time series prediction
本文针对量子噪声诱导储备池计算,提出可编程可调噪声模型的量子电路参数化方法并简化电路,在低存储容量下实现了非线性及混沌时间序列的优异预测性能。
2023-11-09 quant-ph
Squeezing as a resource for time series processing in quantum reservoir computing
本研究探讨了压缩在量子储备池计算时间序列处理中的作用,发现多模态压缩能增强记忆并提升基准任务性能,其根源在于压缩增加提升了储备池对读出噪声的鲁棒性。
2023-10-16 quant-ph
Gaussian states of continuous-variable quantum systems provide universal and versatile reservoir computing
我们建立了机器学习任务的线性动力系统的连续变量高斯状态的潜力。具体来说,我们认为水库计算,一个有效的框架,在线时间序列处理。作为一个水库,我们考虑一个量子谐波网络建模,例如线性量子光学系统。我们证明了与通用量子计算不同,通用水库计算可以在没有非高斯资源的情况下实现。我们发现,将输入时间序列编码成高斯状态既是一个源,也是一种手段,以调整整体输入输出映射的非线性。我们进一步表明,所提出的模型的全部潜力,可以达到通过编码的量子涨落,如压缩真空,而不是经典的强场或热涨落。我们的研究结果为油藏计算引入了一种新的研究范式,利用量子系统的动力学和高斯量子态的工程,将这两个领域推向了一个新的方向。
2021-03-31 quant-ph
Role of coherence in many-body Quantum Reservoir Computing
本研究通过横场Ising模型分析多体量子储备池计算,揭示了量子相干性和相关性对提升时间任务性能的作用,并评估了有限测量资源与噪声对量子效应利用的影响。
2024-09-26 quant-ph
Modular quantum extreme reservoir computing
Okinawa Institute of Science and Technology Graduate University(冲绳科学技术大学院大学);SOKENDAI (the Graduate University for Advanced Studies)(综合研究大学院大学);National Institute of Informatics(信息学国立研究所)
针对多量子储备池集成的连接数需求问题,本文分离模块内动力学与模块间耦合开展研究,发现少量合理布置的连接即可达到单储备池性能,该模块化架构适配多类储备池、数据集与现实量子硬件。
2025-11-14 quant-ph
Quantum Reservoir Computing Implementations for Classical and Quantum Problems
本文提出由二能级原子系综与洛伦兹光子腔构成的量子物理储备池层,并在图像识别和开放量子动力学任务中验证其数据效率与表示能力。
2025-09-01 quant-ph
Non-Markovian dissipation as a resource for quantum reservoir computing
Università degli Studi di Milano(米兰大学)
本文提出利用分数阶导数显式建模非马尔可夫耗散的量子储层计算框架,通过调节信息回流提升短期记忆与预测精度,将系统-环境相互作用转化为计算资源。
2026-10-01 quant-ph
Optimal quantum reservoir computing for market forecasting: An application to fight food price crises
本文提出一种基于复杂性的量子储备池最优设计准则,用于粮食价格危机预测,证明了在缺乏外部回归变量时最优设计对算法性能的关键作用,展示了量子计算在时间序列预测中的潜力。
2023-11-22 quant-ph
Multivariate quantum reservoir computing with discrete and continuous variable systems
Institute for Computational Physics, University of Stuttgart(斯图加特大学计算物理研究所)
本文提出三种多变量编码方案并引入混合能力作为新指标,评估量子共振计算处理多维数据的性能,揭示最优编码方法依赖于系统和任务,且量子效应提升计算性能。
2026-04-09 quant-ph
Non-unital noise in a superconducting quantum computer as a computational resource for reservoir computing
本文发现振幅阻尼噪声可增强超导量子计算机上回声状态网络的储层计算性能,理想耗散率约0.03,为容错前量子计算应用提供新途径。
2025-06-23 quant-ph
A hidden bottleneck in classical and quantum linear reservoir computing
University of Turku(图尔库大学);Turku Collegium for Science, Medicine and Technology, University of Turku(图尔库大学科学、医学与技术学院);ICFO-Institut de Ciencies Fotoniques, The Barcelona Institute of Science and Technology(巴塞罗那科技研究所光子学研究所);Universidad de Buenos Aires(布宜诺斯艾利斯大学);École Normale Supérieure, PSL University(巴黎高等师范学院,巴黎文理研究大学)
本文发现线性储层计算中信息处理容量的隐藏瓶颈,证明线性动力学只能重新分布特征而无法创造新的固定延迟表达能力,并通过协方差连续变量量子储层的高斯极限验证,表明单光子操作可超越该极限成为量子储层计算的真正资源。
2026-05-27 quant-ph
Coherently coupled quantum oscillators for quantum reservoir computing
我们分析了由两个相干耦合量子振荡器组成的量子系统的性质,并通过模拟表明它满足水库计算所需的两个性质:非线性和衰落记忆。我们首先表明,该系统的基态应用一组非线性变换的输入信号,从而可以实现神经元。然后,我们表明,该系统表现出一个衰落的记忆,可以控制其耗散率。最后,我们表明,振荡器之间的强耦合是很重要的,以确保复杂的动力学和填充的数量是指数的物理设备的数量的基态神经元。
2022-04-29 quant-ph
Dissipation as a resource for Quantum Reservoir Computing
本研究通过在自旋网络模型中引入可调局部损耗,提出基于连续耗散的量子储备池计算方法,不仅重现并提升了以往方案的性能,还证明了该耗散模型在非限制性条件下是储备池计算的通用类。
2024-03-15 quant-ph
Benchmarking the role of particle statistics in Quantum Reservoir Computing
量子水库计算是一种神经启发的机器学习方法,利用量子系统的丰富动力学来解决时间任务。它因其对NISQ器件的适用性、容易和快速的可训练性以及潜在的量子优势而受到关注。虽然已经提出了几种类型的系统作为量子库,但粒子统计引起的差异尚未建立。在这项工作中,我们评估和比较玻色子,费米子和量子比特存储信息的能力,从过去的输入测量线性和非线性的记忆容量。虽然,在一般情况下,系统的性能提高与希尔伯特空间的大小,我们表明,也是信息传播能力是一个关键因素。对于最简单的储存库哈密顿量的选择,并为每个玻色子限制在最多一个激发,费米子提供了最好的水库,由于其固有的非局部性质。另一方面,定制的输入注入策略允许利用希尔伯特空间的丰富的自由度进行玻色子量子库计算,并与量子比特和费米子相比提高了计算能力。
2023-02-14 quant-ph
Feedback-enhanced quantum reservoir computing with weak measurements
针对量子储层计算中反馈效用未被充分探究的问题,提出结合弱测量的反馈增强QRC框架,理论与实验均验证其性能优于传统方法,为量子机器学习应用提供新方案。
2025-03-23 quant-ph
Fisher-Orthogonal Memory in Quantum Reservoir Computing
School of Physics Science and Engineering, Tongji University(同济大学物理科学与工程学院)
本研究将量子储备池计算的性能限制转化为局部多参数估计问题,提出费舍尔正交记忆设计原则,构造基于Clifford路由轨道等的多量子比特储备池,大幅提升延迟重构与乘积延迟任务的性能。
2026-08-20 quant-ph
Hamiltonian-Driven Architectures for Non-Markovian Quantum Reservoir Computing
该研究提出面向模拟硬件的非马尔可夫量子储层计算哈密顿量框架,利用纠缠信息回流实现记忆嵌入,证实强非马尔可夫性违反回声态性质,并验证其在高阶NARMA任务上的性能优势。
2025-05-20 quant-ph
Large-scale quantum reservoir computing using a Gaussian Boson Sampler
本研究使用超400模式的频分复用高斯玻色采样器作为量子储层开展计算实验,验证了模式关联信息和压缩光对提升计算准确率的作用,证实其可作为大规模量子储层计算的有效平台。
2025-05-19 quant-ph
Quantum reservoir computing induced by controllable damping
针对量子储层计算缺乏可调且稳定的非幺正演化方法的问题,提出一种通过受控旋转诱导阻尼的算法,实现零态可调放大并提升记忆保留能力,在容错硬件上实现稳健可扩展的量子随机计算。
2025-08-20 quant-ph
Experimental quantum reservoir computing with a circuit quantum electrodynamics system
Laboratoire Albert Fert, CNRS, Thales, Université Paris-Saclay(阿尔伯特·费尔特实验室,法国国家科学研究中心,泰雷兹集团,巴黎萨克雷大学);SPEC, CEA(特殊环境与条件物理研究部,法国原子能委员会)
本研究利用电路量子电动力学系统实现了量子共振计算的实验验证,通过非线性特征提取实现了高效分类,展示了硬件高效的量子神经网络方法。
2026-02-03 quant-ph
Quantum reservoir computing: a reservoir approach toward quantum machine learning on near-term quantum devices
量子系统在粒子数量上具有指数级的大自由度,因此提供了传统计算机无法模拟的丰富动力学。量子库计算是一种在量子系统上使用复杂而丰富的动力学的方法,因为它是用于时间机器学习的。在本章中,我们将从量子力学和机器学习的教学介绍开始,解释量子水库计算和相关方法,量子极限学习机和量子线路学习。所有这些量子机器学习方法在实验上都是可行的,并且在最先进的量子设备上是有效的。
2020-11-10 nlin.AO quant-ph
Nonlinear input transformations are ubiquitous in quantum reservoir computing
量子水库计算的新生计算范式提出了一个有吸引力的使用短期,噪声中等规模的量子处理器。为了理解量子库计算的潜在能力和用例,有必要定义一个概念框架来分离其组成组件并确定它们对性能的影响。在这篇手稿中,我们利用这样的框架来隔离当代量子水库计算方案的输入编码组件。我们发现,在大多数方案中,输入编码对输入数据实施非线性变换。由于已知非线性是油藏计算中的关键计算资源,这就对进一步输入后处理的必要性和功能提出了质疑。我们的研究结果将影响未来量子水库的设计,以及结果的解释和拟议设计之间的公平比较。
2021-06-30 cond-mat.dis-nn quant-ph
Universality conditions of unified classical and quantum reservoir computing
针对经典与量子储备池计算普适性条件分散的问题,本文提出统一理论框架与可直接采用的普适性设置,并在量子储备池计算中加以验证。
2024-05-20 physics.comp-ph quant-ph
Quantum reservoir computing with a single nonlinear oscillator
考虑到噪声和错误无处不在,实现量子信息处理的前景仍然是一项艰巨的任务。将抗噪声的经典计算模式适应于量子力学,可能是噪声中等尺度量子时代实现近期应用的可行途径。在这里,我们提出了一个单一的非线性振荡器连续变量量子水库计算。通过数值模拟我们的模型,我们证明了量子经典性能的改善,并确定其可能的来源:量子测量的非线性。除了量子水库计算,这一结果可能会影响整个量子机器学习结果的解释。我们研究了我们的量子库的性能如何取决于希尔伯特空间维数,它是如何受到注入噪声的影响,并简要评论其实验实现。我们的研究结果表明,在一个单一的非线性振荡器的量子库计算是一个有吸引力的模式量子计算在近期的硬件。
2020-04-30 cond-mat.dis-nn quant-ph
Level Generation with Quantum Reservoir Computing
Moth
本文提出利用量子共振计算实时生成超级马里奥关卡,并探讨了硬件实现中的限制条件。
2025-05-19 cs.AI quant-ph
Classical and quantum reservoir computing: development and applications in machine learning
本论文研究储备池计算原理,开发经典与量子变体,应用于农产品价格预测、量子系统波函数传播及量子电路优化,并构建混合量子-经典神经网络用于药物设计。
2023-10-11 math.DS quant-ph
Hybrid quantum-classical reservoir computing of thermal convection flow
本研究提出混合量子-经典储层计算模型,用少量强纠缠量子比特模拟Lorenz型热对流混沌动力学,性能媲美数千感知器的经典储层,并在真实IBM量子计算机上验证至7量子比特。
2022-08-08 nlin.CD physics.flu-dyn quant-ph
Quantum Reservoir Computing for Speckle-Disorder Potentials
量子库计算是一种机器学习方法,旨在利用具有记忆的量子系统的动力学来处理信息。作为一个优点,它提供了受益于由储层提供的量子资源与简单快速的训练策略相结合的可能性。在这项工作中,这种技术被引入了一个量子库的自旋,它被应用到寻找基态能量的一个额外的量子系统。量子库计算机用线性模型训练,以预测存在不同散斑无序势时粒子的最低能量。任务的性能进行了分析,重点是从水库中提取的可观测量,它表明,当采用两个量子位的相关性增强。
2022-01-26 cond-mat.dis-nn cond-mat.quant-gas quant-ph
Practical Few-Atom Quantum Reservoir Computing
University of Arizona(亚利桑那大学);University of New South Wales(新南威尔士大学)
本文提出一种仅由光学腔内少数二能级原子组成的实用量子储备计算框架,通过Mackey-Glass时间序列预测和正弦平方波形分类任务验证其在记忆保持与非线性处理上优于经典储备计算,并展示性能随原子数增加而提升。
2025-11-08 cond-mat.dis-nn quant-ph
Optical phase encoding in pulsed approach to reservoir computing
本文提出在飞秒激光脉冲的光学相位上编码数据,并采用零差探测读取振幅与相位组合,以光子方式实现储备池计算,且在 NARMA 任务和激光动力学预测中完成数值与实验验证。
2024-01-25 physics.optics quant-ph
Reservoir Computing Using Measurement-Controlled Quantum Dynamics
Artificial Intelligence and Cyber Futures Institute, Charles Sturt University(查尔斯斯特大学人工智能与网络未来学院);Cyber Futures Institute, Charles Sturt University(查尔斯斯特大学网络未来学院)
本文提出一种基于腔体内受探测原子测量受控量子动力学的量子储备池计算系统,能以更少人工神经元实现快速可靠的非线性混沌预测,并验证其在资源受限容错场景中的潜力。
2024-03-01 cs.AI cs.NE quant-ph
Quantum reservoir probing: an inverse paradigm of quantum reservoir computing for exploring quantum many-body physics
本研究提出量子储层探测(QRP),作为量子储层计算的逆向范式,通过计算性能揭示量子多体系统的内在动力学,并成功区分一维伊辛链中的信息传播类型与通道。
2024-07-24 cond-mat.stat-mech cond-mat.str-el quant-ph
Quantum Reservoir Computing for Realized Volatility Forecasting
University of Electronic Sciences and Technology of China(电子科技大学);Tianfu Jiangxi Laboratory(天府江西实验室);Virginia Tech(弗吉尼亚理工大学)
本文探讨量子共振计算在已实现波动率预测中的应用,利用全连接横向场异斯模型作为共振器,结合特征选择方法提升可解释性,结果表明该方法在多种指标上优于传统模型。
2026-04-09 econ.EM q-fin.ST quant-ph
An introduction to reservoir computing
Institut für Physik, Johannes Gutenberg-Universität Mainz(物理研究所,吉森-马因茨大学)
本文介绍了回声计算的基本概念,探讨了其在物理系统中的实现及量子回声计算的应用。
2024-12-12 cond-mat.dis-nn cond-mat.mtrl-sci cs.AI
Physical reservoir computing -- An introductory perspective
The University of Tokyo(东京大学)
了解物理学与其信息处理能力之间的基本关系多年来一直是一个活跃的研究课题。物理水库计算是一个最近推出的框架,它允许人们利用复杂的动态物理系统作为信息处理设备。该框架特别适用于边缘计算设备,其中信息处理被合并在边缘(例如,进入传感器),以减少由数据传输开销引起的自适应延迟。本文的目的是说明软机器人的例子框架的潜力,并提供一个简明的概述,重点介绍它的基本动机,这源于一些领域,包括机器学习,非线性动力系统,生物科学,材料科学和物理学。
2020-05-03 cs.LG nlin.AO physics.app-ph