用于混沌预测的量子储层架构及其高维有效性检验

量子储层计算使用固定的量子电路作为特征生成器，并仅在其上训练一个简单的线性读出。这使得其训练成本低廉，且不受影响许多量子机器学习模型的优化问题的困扰。一个自然的担忧是，电路产生的极大特征空间可能会在没有增加任何真实信息的情况下夸大表面上的性能。本文提供了两点贡献。首先，它给出了一个应用于混沌系统预测的此类储层的完整、可复现方案，包括如何输入数据、如何构建电路以及如何训练读出。其次，它提供了一种判断该储层的高维是否真正在做有用工作的方法。我们将预测问题的规模和量子储层的规模一起增大，使得额外的容量无法解释任何性能提升，并且我们追踪一个衡量读出拟合行为良好程度的单一稳定性数值。在两个混沌测试系统（一个时空链和一个浅水流体模型）上，随着两个规模同时增大，量子储层保持了平稳、稳定的误差，而匹配的经典储层则不然。我们如实报告了经典基线实际上更强的情况，因此比较是诚实的。该结果是一个清晰的规范加上一种诊断方法，其他团队可以将其应用于特征具有已知尺度的任何储层。