囚禁离子量子忆阻器储备池把单项式逼近推到100次方，经典回声状态网络在40次方后失效
核心概要
俄罗斯团队用囚禁离子上的三能级量子忆阻器构建储备池计算系统，靠玻恩规则非线性、量子相干与反馈记忆处理经典时间序列。两个耦合量子忆阻器加两次芯片运行，在单项式 xd 任务上把测试均方误差保持在 10^-2 以下直到 d=100，代价是读出权重增至 50 个；经典回声状态网络在 d 约 40 以上即使扩到 2000 个节点也无法匹配。在 NARMA10 等记忆主导任务上，该储备池只与最小规模经典网络持平。
深度剖析
囚禁离子量子忆阻器可以当作储备池计算的核心器件，把输入序列映射到高维量子态再读出。 此前量子忆阻器多停留在器件提案或光子、超导平台的演示，尚未被放进完整的储备池计算框架里评估非线性容量。 研究在单项式逼近、NARMA2、NARMA10、NARMA10-st、Mackey–Glass 与 Santa Fe 六类标准基准上，把该储备池与经典回声状态网络和带记忆的三次回归逐项对照。
非线性容量随单项式次数增长时，量子忆阻器储备池的优势随次数拉大而扩大。 经典回声状态网络在低次数下只需很小的储备池就能匹配量子精度，但所需规模随次数迅速上升。 两个耦合量子忆阻器配两次芯片运行，把测试均方误差保持在 10^-2 以下直到 d=100，读出权重由 25 个增至 50 个；经典回声状态网络在 d 约 40 以上即使到 2000 个节点也无法匹配，且增大规模没有改善。
储备池的计算资源主要来自非线性映射，而不是动力学记忆。 在记忆主导的 NARMA10 与 NARMA10-st 上，加入相干、额外幺正变换或双量子忆阻器架构几乎没有带来提升。 把指数平滑记忆参数 m 在 1.01 到 1000 之间扫描并重新优化其余参数后，各任务的测试均方误差基本不变，只在 NARMA2 与 Mackey–Glass 的小 m 处出现浅极小值。
该储备池对门角度噪声的敏感度取决于任务类型。 单项式逼近需要精确的门控制，而时间序列任务本身具有时间冗余。 在 0 到 0.2 弧度的动态门角度噪声下各做 20 次独立模拟，时间序列任务的测试均方误差在大范围内保持稳定，单项式任务则随噪声迅速退化，高次数尤甚。
启示与展望
结论建立在数值模拟之上，覆盖单项式逼近、NARMA 系列、Mackey–Glass 与 Santa Fe 基准；作者指出实验实现仍需每步重复投影测量与重新初始化，并依赖有限保真度的复合激光脉冲。
作者把工作定位为数值原理验证，并指出量子忆阻器读出所张成的函数基尚缺理论刻画，记忆容量如何扩展也仍是开放问题。