在量子储备池网络中利用计量学有用态

随着新型低误差量子计算机和稳健模拟工具的出现，使用量子计算机预测混沌偏微分方程（PDE）的兴趣日益增长。在本文中，我们提出了一种利用量子储备池网络（QRN）预测高维混沌一维Kuramoto-Sivashinksy（KS）系统潜空间表示的方法。这种混合方法利用了经典机器学习（ML）的进步（通过使用经典自编码器）以及量子计量学的技术（通过使用创建计量学有用态的酉算子）。通过严格的模拟和分析，我们表明所提出的方法优于没有这种计量学有用态制备的替代QRN实现，并且在未使用权重正则化时也表现出比经典回声状态网络更好的性能。最后，我们揭示了在QRC流程中使用自编码器可能出现的潜在问题。