提出ML-QRC多线性读出的量子储备池计算方法

Van Tien Nguyen 与 Panagiotis Markopoulos 在 arXiv 发布论文（arXiv:2610.13974），提出多线性读出的量子储备池计算方法 ML-QRC：通过逐模态投影保留时间步、量子比特和可观测量的张量结构，压缩密集 MLP 读出层。相对隐藏宽度为 64 的密集神经网络读出，特征块参数量减少 12.1 倍。 论文称 ML-QRC 在 Mackey-Glass 任务上与 Ridge 读出统计上具有竞争力，并在全量数据的 TFIM 任务上取得所测方法中最高的数值精度；但该参数优势未延伸到 TFIM——在 50% 数据时 Ridge 表现最好。以上为论文声称，基于报道所引内容。

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。