随机正则图上的量子储备池计算
量子物理
2025-07-30 v2 无序系统与神经网络
强关联电子
摘要
量子储备池计算（QRC）是一种低复杂度的学习范式，它将输入驱动的多体量子系统的内禀动力学与经典学习技术相结合，用于非线性时间数据处理。由于多体量子系统对各种因素的依赖性，优化 QRC 过程和计算设备是一项复杂的任务。为了探索这一点，我们在随机正则图上引入了一个强相互作用自旋模型作为量子组件，并研究了静态无序、相互作用和图连通性之间的相互影响，揭示了它们对量子记忆容量和可学习性准确度的关键影响。我们处理线性和量子任务以及非线性经典任务，并通过研究信息局域化、动态量子关联和无序哈密顿量的多体结构，确定了最佳学习和记忆状态。特别地，我们揭示了先前被忽视的网络连通性的作用，并证明了量子关联的存在如何显著增强学习性能。因此，我们的发现为无序模拟量子学习平台的最佳设计提供了指导方针。
引用
@article{arxiv.2409.03665,
title = {Quantum reservoir computing on random regular graphs},
author = {Moein N. Ivaki and Achilleas Lazarides and Tapio Ala-Nissila},
journal= {arXiv preprint arXiv:2409.03665},
year = {2025}
}