压缩作为量子储层计算中时间序列处理的资源
量子物理
2024-02-21 v2
摘要
压缩已知在计量、密码学和计算等许多应用中是一种量子资源，在多模情形下与纠缠相关。本工作中，我们探讨压缩在用于时间序列处理的神经形态机器学习中的效应。具体而言，我们考虑一种基于环的光子架构用于储层计算，并探讨压缩在储层中的效应，考虑具有主动与被动耦合项的哈密顿量。有趣的是，从理想模型过渡到考虑实验噪声的真实模型时，压缩对量子储层计算可能有害也可能有益。我们证明多模压缩增强了其可访问记忆，从而改善在若干基准时序任务中的性能。这一改进的起源可追溯到随着压缩增加储层对读出噪声的鲁棒性。
引用
@article{arxiv.2310.07406,
title = {Squeezing as a resource for time series processing in quantum reservoir computing},
author = {Jorge García-Beni and Gian Luca Giorgi and Miguel C. Soriano and Roberta Zambrini},
journal= {arXiv preprint arXiv:2310.07406},
year = {2024}
}