粒子统计在量子储备计算中的作用基准测试

量子储备计算是一种受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序任务。它因适用于NISQ设备、易于快速训练以及潜在量子优势而受到关注。尽管已提出多种系统作为量子储备池，但由粒子统计引起的差异尚未确立。本工作中，我们通过测量线性和非线性记忆容量，评估并比较玻色子、费米子与量子比特从过去输入存储信息的能力。虽然一般而言系统性能随希尔伯特空间尺寸提升而改善，我们表明信息扩散能力也是关键因素。对于最简储备池哈密顿量选择，且每个玻色子限于至多一个激发时，费米子因其内禀非局域性质提供了最佳储备池。另一方面，定制的输入注入策略允许利用希尔伯特空间自由度丰富性用于玻色子量子储备计算，并相比量子比特与费米子增强了计算能力。