统一经典与量子储层计算的普适性条件

储层计算是计算神经科学和机器学习中的一个通用范式，它利用动力系统（储层）的非线性动力学来高效处理时间相关信息。自提出以来，它在各种应用中展现出卓越的能力。众所周知，某些类别的储层计算机可作为具有衰减记忆的泛函的通用逼近器。这类通用类别的构造通常看起来是上下文特定的，但实际上遵循相同的原理。在此，我们提出一个统一的理论框架，并提供一个现成的设置来确保普适性。我们在新兴的量子储层计算背景下测试了该结果。该分析揭示了经典和量子储层计算的统一视角。