摘要
随着实验技术的快速发展,含噪声的中等规模量子(NISQ)设备的可编程性越来越高,人们能够更好地利用量子计算的优势.本文利用可编程的NISQ设备的复杂动力学来进行量子储层计算,并通过使用遗传算法来优化该过程.令人惊讶的是,单个自适应量子储层可以同时学习多个任务,包括振荡型基因网络、混沌型基因网络和分数阶蔡氏电路.通过自适应量子储层计算,这些任务的学习性能得到了显著提升,远远超过了经典储层计算的表现.此外,本文还将自适应量子储层计算应用于外汇市场,相较于经典储层计算,它能更准确地捕捉汇率的随机演化.通过与经典储层计算的比较,本文突出了量子相干性在量子储层计算中的重要性,并验证了量子相干性是实现卓越学习性能的关键.研究结果表明,自适应量子储层计算能够充分发挥NISQ设备的量子计算能力,并在通用人工智能的发展方面具有巨大潜力.
- 单位