跳到主要内容
检索

# 量子储备池计算

4 篇关联报道

订阅更新
  1. arXiv

    量子极值学习绕开似然函数:横场伊辛链只用15个训练点,最大绝对误差降到0.013

    量子传感通常用贝叶斯推断或最大似然估计反推未知参数,而这两类估计器都要先构造似然函数,需要完整知道探针动力学,实验上往往难以做到。一种基于量子极值学习的框架把未知参数放进储层的哈密顿量,让固定初态在参数相关的演化中编码信息,再用局域观测量期望值训练线性读出层,从而不必显式构造似然函数。在横场伊辛链上估计横向磁场时,仅用15个训练点,200个测试值上的最大绝对误差为0.013;把两个时刻的测量结果合并成更大的特征向量后,精度进一步提高。

  2. arXiv

    量子储层网络首次在超导处理器上预报非结构网格PDE,26比特硬件把一步与压力观测误差降低21–43%

    非结构网格上的高维偏微分方程预报第一次跑在超导量子处理器上。做法是用图自编码器把网格场压到低维隐状态,再由固定不训练的量子储层网络产生特征、用经典线性读出预测下一步;在33824单元圆柱绕流与Gray–Scott反应扩散问题上,加入这些特征使一步预报与压力观测的归一化均方根误差比同一隐空间的线性基线降低约21–43%,压力观测只在26比特圆柱流配置上演示,52比特硬件则用于Gray–Scott一步预报。

  3. arXiv

    两qutrit转向判定换用相关增强量子储层:未见Werner态准确率升至96%,并筛出新的可转向部分纠缠态

    混合两qutrit态的转向判定此前依赖有限测量下的半定规划,换一类态就未必管用。相关增强量子储层处理(CEQRP)把自旋-1储层的两体自旋关联读数并入特征,使逻辑回归在未见过的Werner态与各向同性态上取得高准确率。再叠加两条理论判据认证的可转向样本扩充训练集后,分类器指出的部分纠缠态在七个投影测量设置下由半定规划独立确认可转向。

  4. researchsquare.com

    囚禁离子量子忆阻器储备池把单项式逼近推到100次方,经典回声状态网络在40次方后失效

    俄罗斯团队用囚禁离子上的三能级量子忆阻器构建储备池计算系统,靠玻恩规则非线性、量子相干与反馈记忆处理经典时间序列。两个耦合量子忆阻器加两次芯片运行,在单项式 xd 任务上把测试均方误差保持在 10^-2 以下直到 d=100,代价是读出权重增至 50 个;经典回声状态网络在 d 约 40 以上即使扩到 2000 个节点也无法匹配。在 NARMA10 等记忆主导任务上,该储备池只与最小规模经典网络持平。

已读完全部报道