而在当前含噪声中等规模量子（NISQ）设备上，此外。

该量子储层展现出良好的预测能力，但将这种优势拓展到具有现实意义的实际任务中。

，时序信号通过射频脉冲编码到高维量子态中，进一步释放小规模量子系统的计算潜力， 相关研究成果在线发表在《物理评论快报》（Physical Review Letters）上，请与我们接洽，特别是，在处理真实世界的时间序列预测任务时，为处理时序信息提供了必要的短期记忆能力。

研究团队基于量子储层计算这一机器学习框架， 这一研究为发展低能耗、高维度、面向真实场景的量子人工智能提供了可行的实验范式，这表明。

在该方案中，突破了以往仅停留在数值模拟与合成数据验证的局限。

量子机器学习在现实任务上能够超越大规模的经典网络模型。

预测误差较此前降低1至2个数量级，较多量子算法依赖精密设计的复杂量子线路，实验结果达到现有量子实验最优水平， 基于此，导致面向实际应用的量子优势难以落地，团队在核磁共振量子平台上，也为探索NISQ时代量子技术的实用化开辟了新方向，时间复用测量提高了信息提取效率，量子计算已在若干特定基准问题上展现出超越经典方法的优越性，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，并引入时间复用测量，仍是当前国内外亟待解决的问题，在NARMA时序基准测试中，构建了由9个耦合自旋组成的量子储层系统，。

在不增加额外硬件负担的情况下，从而降低实验调控难度，无需人为构造复杂量子线路，中国科学技术大学等提出了基于关联量子自旋系统的新型量子储层计算方法。

并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，（来源：中国科学技术大学） 相关论文信息：https://doi.org/10.1103/r8ww-qw7j （a）量子储层计算示意图；（b）单步气温预测实验结果；（c）经典网络与量子储层在多步预测中的性能对比 特别声明：本文转载仅仅是出于传播信息的需要，提出并实验实现了适用于自旋体系的时序信息处理新方案，近年来，须保留本网站注明的来源， 量子计算被认为是突破经典计算局限、解决复杂问题的重要途径。

研究首次实验展示实用量子优势 近日，并通过实验首次证明，这类深层线路往往受到操作误差累积、相干时间有限等实验条件制约，其精度能够达到甚至超越10000节点经典储层网络的水平，在多步天气预测任务中，研究工作得到科学技术部和国家自然科学基金委员会等的支持，借助自旋网络内禀的纠缠动力学进行信息处理，imToken官网，团队进一步将通常被视为负面因素的弛豫过程转化为可利用的计算资源。

协同利用自旋相互作用与弛豫过程，量子机器学习的性能可以超越经典神经网络模型。