Kerr 非线性振荡器耦合系统中纠缠在量子储备计算中的作用
量子物理
2026-04-07 v3 机器学习
信号处理
摘要
量子储备计算 (QRC) 使用量子动力学高效处理时序数据。本文研究基于两个耦合 Kerr 非线性振荡器的 QRC 框架，这种系统因其复杂的非线性相互作用和潜在的高维状态空间而特别适合进行时序预测任务。我们探讨其在预测线性和非线性时序数据方面的性能，这取决于关键物理参数：输入驱动强度、Kerr 非线性和振荡器耦合，并分析纠缠在改善储备计算性能中的作用，专注于其对预测非平凡时序的影响。我们使用对数负相关度量量化纠缠，并使用归一化均方根误差 (NRMSE) 评估预测精度。单个参数扫描显示，最佳性能发生在适中但非零的纠缠。进一步地，聚合的分箱分析揭示，这种适中纠缠在参数空间中一致关联于最佳平均预测性能，这一观察在输入频率的阈值范围内持续有效。在一定程度的耗散和退相干下，这一关系仍然成立。特别是，我们发现更高的耗散率可以提高性能。这些发现为更广泛地理解面向高性能、高效量子机器学习和时序预测的量子储备贡献了重要洞见。
引用
@article{arxiv.2508.11175,
title = {The Role of Entanglement in Quantum Reservoir Computing with Coupled Kerr Nonlinear Oscillators},
author = {Ali Karimi and Hadi Zadeh-Haghighi and Youssef Kora and Christoph Simon},
journal= {arXiv preprint arXiv:2508.11175},
year = {2026}
}