一种用于非平衡动力系统相变检测的新型混合量子储备池计算（nHQRC）

非平衡动力系统中高度非线性随机数据的分析需要能够在系统性结构崩溃发生前检测潜在相变的计算框架。传统的变分量子算法（VQA）经常受到梯度消失、贫瘠高原问题和过高训练开销的瓶颈限制。在本文中，我们提出了一种新型混合量子储备池计算（nHQRC）框架，通过采用冻结的无序横向场 Ising 模型（TFIM）将时间相关的随机驱动力投影到指数级大的希尔伯特空间中，从而绕过了这些限制。为了解决基线量子储备池模型中存在的物理相位多包裹脆弱性，我们引入了一种无前瞻的预放大流形缩放技术。多量子比特配置通过遗传算法优化到“混沌边缘”，同时通过提取冯·诺依曼熵（$S$）和精确混合态量子费希尔信息（QFI）作为领先的纠缠见证者来执行量子态跟踪。利用这些量子触发器作为边界约束，通过生成式随机薛定谔桥（SSB）读出构建轨迹预测。通过将量子储备池置于 8 维非平稳随机驱动场中，该框架显著提高了系统漂移-扩散效率（$\eta$），并相比标准经典基准主动抑制了最大轨迹衰减（MTD）超过 13%。这为近期量子态检测和宏观子系统稳定化建立了一个稳健的、$\mathcal{O}(1)$ 时间开销的蓝图。