97久久精品人人做人人爽-97久久香蕉国产线看观看-996久久国产精品线观看-9999国产精品欧美久久久久久

近日，中國科學技術大學等提出了基于關聯量子自旋系統的新型量子儲層計算方法，并通過實驗首次證明，在處理真實世界的時間序列預測任務時，量子機器學習的性能可以超越經典神經網絡模型。量子計算被認為是突破經典計算局限、解決復雜問題的重要途徑。近年來，量子計算已在若干特定基準問題上展現出超越經典方法的優越性，但將這種優勢拓展到具有現實意義的實際任務中，仍是當前國內外亟待解決的問題。特別是，較多量子算法依賴精密設計的復雜量子線路，而在當前含噪聲中等規模量子（NISQ）設備上，這類深層線路往往受到操作誤差累積、相干時間有限等實驗條件制約，導致面向實際應用的量子優勢難以落地。研究團隊基于量子儲層計算這一機器學習框架，協同利用自旋相互作用與弛豫過程，并引入時間復用測量，提出并實驗實現了適用于自旋體系的時序信息處理新方案。在該方案中，時序信號通過射頻脈沖編碼到高維量子態中，借助自旋網絡內稟的糾纏動力學進行信息處理，無需人為構造復雜量子線路，從而降低實驗調控難度。團隊進一步將通常被視為負面因素的弛豫過程轉化為可利用的計算資源，為處理時序信息提供了必要的短期記憶能力。此外，在不增加額外硬件負擔的情況下，時間復用測量提高了信息提取效率，進一步釋放小規模量子系統的計算潛力?；诖耍瑘F隊在核磁共振量子平臺上，構建了由9個耦合自旋組成的量子儲層系統。在NARMA時序基準測試中，實驗結果達到現有量子實驗最優水平，預測誤差較此前降低1至2個數量級。在多步天氣預測任務中，該量子儲層展現出良好的預測能力，其精度能夠達到甚至超越10000節點經典儲層網絡的水平。這表明，量子機器學習在現實任務上能夠超越大規模的經典網絡模型，突破了以往僅停留在數值模擬與合成數據驗證的局限。這一研究為發展低能耗、高維度、面向真實場景的量子人工智能提供了可行的實驗范式，也為探索NISQ時代量子技術的實用化開辟了新方向。相關研究成果在線發表在《物理評論快報》（Physical Review Letters）上。研究工作得到科學技術部和國家自然科學基金委員會等的支持。（a）量子儲層計算示意圖；（b）單步氣溫預測實驗結果；（c）經典網絡與量子儲層在多步預測中的性能對比