QRC-Lab：面向量子储备计算的教育工具箱
量子物理
2026-02-04 v1
摘要
量子储备计算（QRC）已成为面向噪声中间规模量子（NISQ）机器学习的强大范式，通过利用量子态的高维动力学，实现对时序数据的处理，同时最小化训练开销。本文介绍 QRC-Lab，一个开源、模块化的 Python 框架，旨在搭建理论量子动力学与实际机器学习工作流程之间的鸿沟。我们对 QRC 提供了严格定义，比较了物理方法与基于门的方法，形式化了工具箱中使用的储备映射。QRC-Lab 实现了一个可配置的基于门的实验室，用于研究输入编码、储备连通性和测量策略，并通过三个教育案例研究来验证这些概念：短期记忆重建、时序奇偶校验（XOR）以及 NARMA10 预测作为刻意的压力测试。此外，我们包括一个以学习理论为动机的 generalization gap scan，以构建对量子特征图容量控制直觉。完整的源代码、实验脚本和可重复性资产已公开于 https://doi.org/10.5281/zenodo.18469026。
引用
@article{arxiv.2602.03522,
title = {QRC-Lab: An Educational Toolbox for Quantum Reservoir Computing},
author = {Anderson Fernandes Pereira dos Santos},
journal= {arXiv preprint arXiv:2602.03522},
year = {2026}
}