消耗对临界附近小型量子储备库信息编码模式的影响

量子储备计算 (Quantum reservoir computing, QRC) 作为一种前沿方法，正逐渐成为利用近期量子设备应用于时序机器学习任务的热门范式。然而，识别支撑其性能提升的机制仍具有挑战性，尤其是在许多体开放系统中，由于非线性相互作用与耗散交织，方式复杂且难以把握。本文我们考察了一个由两个耦合的Kerr非线性振荡器构成的最小驱动-耗散量子储备库模型，该模型可被实验实现，具有可调耦合、固有非线性以及可调光子损耗。我们采用部分信息分解 (Partial Information Decomposition, PID) 方法，检验不同的动力学 regimes 如何以冗余信息（由每个振荡器共享的信息）和协同信息（仅通过联合观察才能获取的信息）的形式对输入驱动信号进行编码。我们的关键结果表明，在标志着动力学分叉临界点的附近，系统向主要冗余编码转向主要协同编码。我们进一步证明，协同编码放大了短期响应性，从而增强了即时记忆保持；而强烈耗散则导致更冗余的编码，支持长期记忆保持。这些发现阐明了不稳定性与耗散如何塑造小型量子系统中的信息处理方式，为分析和设计QRC平台提供了细致的信息论视角。