QFI 优化量子储备池在 Mackey–Glass 预测中报告优于经典储备池

Phi Hung Nguyen 与 Daniel Soh 在 arXiv 发布论文（基于论文摘要），称用量子费舍尔信息（QFI）优化量子储备池计算机后，在相同读出成本下取得对经典储备池的量子优势。这是作者声称的结果，尚属理论/模拟研究阶段。 具体条件：在 Mackey–Glass 时间序列预测任务上，由 1–3 个原子组成的受驱 Jaynes–Cummings 量子储备池，在训练权重数 4 到 30 的每个规模下都优于调优的回声状态网络，留出误差低 25–69%。此外，在网格搜索和贝叶斯搜索饱和后，QFI 感知优化阶段在 12–30 个权重时再将误差降低 29–51%，优于同等预算的黑盒搜索或仅用经典参数梯度。 结论限于该任务、该规模与该比较基线，量子优势为作者报告结果，材料未说明是否在真实硬件上验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。