Dissipation als Ressource für Quantum Reservoir Computing

Dissipation als Ressource für Quantum Reservoir Computing

Zeitstempel: 20. März 2024, 12:06 Uhr

Antonio Sannia, Rodrigo Martínez-Peña, Miguel C. Soriano, Gian Luca Giorgi und Roberta Zambrini

Institut für interdisziplinäre Physik und komplexe Systeme (IFISC) UIB-CSIC, Campus Universitat Illes Balears, 07122, Palma de Mallorca, Spanien.

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Durch Wechselwirkungen mit einer externen Umgebung verursachte Dissipation behindert typischerweise die Leistung von Quantenberechnungen, kann sich aber in manchen Fällen als nützliche Ressource erweisen. Wir zeigen die potenzielle Verbesserung, die durch Dissipation im Bereich des Quantenreservoir-Computing hervorgerufen wird, indem einstellbare lokale Verluste in Spin-Netzwerkmodellen eingeführt werden. Unser auf kontinuierlicher Dissipation basierender Ansatz ist nicht nur in der Lage, die Dynamik früherer Vorschläge zum Quantenreservoir-Computing auf der Grundlage diskontinuierlicher Löschkarten zu reproduzieren, sondern auch deren Leistung zu verbessern. Es hat sich gezeigt, dass die Steuerung der Dämpfungsraten gängige zeitliche Aufgaben des maschinellen Lernens steigert, etwa die Fähigkeit, den Eingabeverlauf linear und nichtlinear zu verarbeiten und chaotische Reihen vorherzusagen. Schließlich beweisen wir formal, dass unsere dissipativen Modelle unter nicht restriktiven Bedingungen eine universelle Klasse für das Reservoir-Computing bilden. Das bedeutet, dass es in Anbetracht unseres Ansatzes möglich ist, jede verblassende Speicherkarte mit beliebiger Genauigkeit anzunähern.

Dissipation als Ressource für Quantum Reservoir Computing PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Ausgewähltes Bild: Schematische Darstellung des vorgeschlagenen dissipativen Spin-Netzwerkmodells. Der diskrete Input (unten rechts) wird durch ein zeitabhängiges Magnetfeld (unten links) gleichmäßig in die Netzwerkknoten eingespeist. Die Ausgabeschicht wird durch Messung eines Teils der Observablen der Dichtematrix des Reservoirs erstellt.

Populäre Zusammenfassung

Im Bereich des Quantencomputings geht die herkömmliche Ansicht davon aus, dass Interaktionen mit externen Umgebungen der Rechenleistung abträglich sind. Unsere Forschung enthüllt jedoch einen Paradigmenwechsel und zeigt die vorteilhafte Rolle der Dissipation beim quantenmechanischen Lernen. Insbesondere im aufstrebenden Bereich des Quantenreservoir-Computing zeigen wir die Vorteile der Einführung technischer Dissipation in Spin-Netzwerkmodelle. Durch umfassende Benchmarking-Tests, die Aufgaben im Bereich des linearen und nichtlinearen Speichers sowie der Prognosekapazität umfassten, stellten wir eine deutliche Verbesserung der Recheneffizienz fest. Darüber hinaus beweisen wir durch formale Beweise unter nicht restriktiven Bedingungen die Universalität unserer dissipativen Modelle für das Reservoir-Computing.

► BibTeX-Daten

► Referenzen

[1] Ingenieurwesen Nationale Akademien der Wissenschaften und Medizin „Quantencomputing: Fortschritte und Perspektiven“ The National Academies Press (2019).
https: / / doi.org/ 10.17226 / 25196

[2] Ivan H. Deutsch „Die Macht der zweiten Quantenrevolution nutzen“ PRX Quantum 1, 020101 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.1.020101

[3] Nicolas Gisin und Rob Thew „Quantenkommunikation“ Nature Photonics 1, 165–171 (2007).
https: / / doi.org/ 10.1038 / nphoton.2007.22

[4] CL Degen, F. Reinhard und P. Cappellaro, „Quantum Sensing“ Rev. Mod. Physik. 89, 035002 (2017).
https: / / doi.org/ 10.1103 / RevModPhys.89.035002

[5] S. Pirandola, UL Andersen, L. Banchi, M. Berta, D. Bunandar, R. Colbeck, D. Englund, T. Gehring, C. Lupo, C. Ottaviani, JL Pereira, M. Razavi, J. Shamsul Shaari , M. Tomamichel, VC Usenko, G. Vallone, P. Villoresi und P. Wallden, „Fortschritte in der Quantenkryptographie“ Adv. Opt. Photon. 12, 1012–1236 (2020).
https: / / doi.org/ 10.1364 / AOP.361502
http://opg.optica.org/​aop/​abstract.cfm?URI=aop-12-4-1012

[6] Aram W. Harrowand Ashley Montanaro „Quantum computational supremacy“ Nature 549, 203–209 (2017).
https: / / doi.org/ 10.1038 / nature23458

[7] Peter W. Shor „Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer“ SIAM J. Comput. 26, 1484–1509 (1997).
https: / / doi.org/ 10.1137 / S0097539795293172

[8] Lov K Grover „Ein schneller quantenmechanischer Algorithmus für die Datenbanksuche“ Vorträge des achtundzwanzigsten jährlichen ACM-Symposiums zur Theorie des Rechnens 212–219 (1996).
https: / / doi.org/ 10.1145 / 237814.237866

[9] David Deutsch und Richard Jozsa „Schnelle Lösung von Problemen durch Quantenberechnung“ Proceedings of the Royal Society of London. Serie A: Mathematical and Physical Sciences 439, 553–558 (1992).
https: / / doi.org/ 10.1098 / rspa.1992.0167

[10] Ethan Bernstein und Umesh Vazirani „Quantenkomplexitätstheorie“ SIAM Journal on Computing 26, 1411–1473 (1997).
https: / / doi.org/ 10.1137 / S0097539796300921

[11] Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre und Nicolas PD Sawaya, „Quantenchemie im Zeitalter des Quantencomputings“, Chemical Reviews 119, 10856 –10915 (2019).
https: // doi.org/ 10.1021 / acs.chemrev.8b00803

[12] Roman Orus, Samuel Mugel und Enrique Lizaso, „Quantum Computing for Finance: Overview and Prospects“, Rezensionen in Physics 4, 100028 (2019).
https: // doi.org/ 10.1016 / j.revip.2019.100028
https: // www.sciencedirect.com/ science / article / pii / S2405428318300571

[13] Nikitas Stamatopoulos, Daniel J. Egger, Yue Sun, Christa Zoufal, Raban Iten, Ning Shen und Stefan Woerner, „Optionspreisgestaltung mithilfe von Quantencomputern“ Quantum 4, 291 (2020).
https:/​/​doi.org/​10.22331/​q-2020-07-06-291

[14] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe und Seth Lloyd, „Quantum Machine Learning“ Nature 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[15] John Preskill „Quantum Computing in the NISQ era and beyond“ Quantum 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[16] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann und Tim Menke, „Noisy Intermediate-Scale Quantum Algorithms“, Reviews of Modern Physics 94 , 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

[17] Frank Verstraete, Michael M. Wolf und J. Ignacio Cirac, „Quantenberechnung und Quantenzustandstechnik angetrieben durch Dissipation“, Nature Physics 5, 633–636 (2009).
https: / / doi.org/ 10.1038 / nphys1342

[18] Fernando Pastawski, Lucas Clemente und Juan Ignacio Cirac, „Quantenerinnerungen basierend auf technischer Dissipation“, Physical Review A 83, 012304 (2011).
https: / / doi.org/ 10.1103 / PhysRevA.83.012304

[19] Christiane P Koch „Kontrolle offener Quantensysteme: Werkzeuge, Erfolge und Einschränkungen“ Journal of Physics: Condensed Matter 28, 213001 (2016).
https:/​/​doi.org/​10.1088/​0953-8984/​28/​21/​213001

[20] Sai Vinjanampathy und Janet Anders „Quantum thermodynamics“ Contemporary Physics 57, 545–579 (2016).
https: / / doi.org/ 10.1080 / 00107514.2016.1201896

[21] Gonzalo Manzano und Roberta Zambrini „Quantenthermodynamik unter kontinuierlicher Überwachung: Ein allgemeiner Rahmen“ AVS Quantum Science 4, 025302 (2022).
https: / / doi.org/ 10.1116 / 5.0079886

[22] Susana F Huelga und Martin B Plenio „Vibrationen, Quanten und Biologie“ Contemporary Physics 54, 181–207 (2013).
https: / / doi.org/ 10.1080 / 00405000.2013.829687

[23] Gonzalo Manzano, Fernando Galve, Gian Luca Giorgi, Emilio Hernández-García und Roberta Zambrini, „Synchronisation, Quantenkorrelationen und Verschränkung in Oszillatornetzwerken“, Wissenschaftliche Berichte 3, 1–6 (2013).
https: / / doi.org/ 10.1038 / srep01439

[24] Albert Cabot, Fernando Galve, Víctor M Eguíluz, Konstantin Klemm, Sabrina Maniscalco und Roberta Zambrini, „Unveiling Noiseless Clusters in Complex Quantum Networks“ npj Quantum Information 4, 1–9 (2018).
https:/​/​doi.org/​10.1038/​s41534-018-0108-9

[25] Pere Mujal, Rodrigo Martínez-Peña, Johannes Nokkala, Jorge García-Beni, Gian Luca Giorgi, Miguel C. Soriano und Roberta Zambrini, „Opportunities in Quantum Reservoir Computing and Extreme Learning Machines“ Advanced Quantum Technologies 4, 1–14 (2021 ).
https: / / doi.org/ 10.1002 / qute.202100027

[26] Mantas Lukoševičius, Herbert Jaeger und Benjamin Schrauwen, „Reservoir-Computing-Trends“, KI-Künstliche Intelligenz 26, 365–371 (2012).
https:/​/​doi.org/​10.1007/​s13218-012-0204-5

[27] Wolfgang Maass, Thomas Natschläger und Henry Markram, „Real-Time Computing Without Stable States: A New Framework for Neural Computation Based on Perturbations“ Neural Computation 14, 2531–2560 (2002).
https: / / doi.org/ 10.1162 / 089976602760407955

[28] Herbert Jaeger „Der „Echo-State“-Ansatz zur Analyse und zum Training wiederkehrender neuronaler Netze – mit einem Erratum-Hinweis“ Bonn, Deutschland: Deutsches Forschungszentrum für Informationstechnologie GMD Technical Report 148, 13 (2001).
https://​/​www.ai.rug.nl/​minds/​uploads/​EchoStatesTechRep.pdf

[29] Gouhei Tanaka, Toshiyuki Yamane, Jean Benoit Héroux, Ryosho Nakane, Naoki Kanazawa, Seiji Takeda, Hidetoshi Numata, Daiju Nakano und Akira Hirose, „Recent Advances in Physical Reservoir Computing: A Review“ Neural Networks 115, 100–123 (2019) .
https: / / doi.org/ 10.1016 / j.neunet.2019.03.005
https: // www.sciencedirect.com/ science / article / pii / S0893608019300784

[30] Kohei Nakajima und Ingo Fischer „Reservoir Computing“ Springer (2021).
https:/​/​doi.org/​10.1007/​978-981-13-1687-6

[31] John Moon, Wen Ma, Jong Hoon Shin, Fuxi Cai, Chao Du, Seung Hwan Lee und Wei D Lu, „Temporale Datenklassifizierung und Prognose mithilfe eines Memristor-basierten Reservoir-Computing-Systems“ Nature Electronics 2, 480–487 (2019) .
https:/​/​doi.org/​10.1038/​s41928-019-0313-3

[32] Julie Grollier, Damien Querlioz, KY Camsari, Karin Everschor-Sitte, Shunsuke Fukami und Mark D Stiles, „Neuromorphic spintronics“, Nature electronics 3, 360–370 (2020).
https:/​/​doi.org/​10.1038/​s41928-019-0360-9

[33] Guy Van der Sande, Daniel Brunner und Miguel C. Soriano, „Advances in photonic Reservoir Computing“ Nanophotonics 6, 561–576 (2017).

[34] Keisuke Fujii und Kohei Nakajima „Nutzung der Quantendynamik ungeordneter Ensembles für maschinelles Lernen“ Phys. Rev. Applied 8, 024030 (2017).
https: / / doi.org/ 10.1103 / PhysRevApplied.8.024030

[35] Kohei Nakajima, Keisuke Fujii, Makoto Negoro, Kosuke Mitarai und Masahiro Kitagawa, „Steigerung der Rechenleistung durch räumliches Multiplexing im Quantum Reservoir Computing“ Phys. Rev. Applied 11, 034021 (2019).
https: / / doi.org/ 10.1103 / PhysRevApplied.11.034021

[36] Jiayin Chenand Hendra I. Nurdin „Lernen nichtlinearer Input-Output-Karten mit dissipativen Quantensystemen“ Quantum Information Processing 18 (2019).
https:/​/​doi.org/​10.1007/​s11128-019-2311-9

[37] Quoc Hoan Tranand Kohei Nakajima „Quantenreservoir-Computing höherer Ordnung“ arXiv-Vorabdruck arXiv:2006.08999 (2020).
https://​/​doi.org/​10.48550/​ARXIV.2006.08999
https: / / arxiv.org/ abs / 2006.08999

[38] Rodrigo Martínez-Peña, Johannes Nokkala, Gian Luca Giorgi, Roberta Zambrini und Miguel C Soriano, „Informationsverarbeitungskapazität spinbasierter Quantenreservoir-Computersysteme“ Cognitive Computation 1–12 (2020).
https: / / doi.org/ 10.1007 / s12559-020-09772-y

[39] Rodrigo Araiza Bravo, Khadijeh Najafi, Xun Gao und Susanne F. Yelin, „Quantum Reservoir Computing Using Arrays of Rydberg Atoms“ PRX Quantum 3, 030325 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.030325

[40] WD Kalfus, GJ Ribeill, GE Rowlands, HK Krovi, TA Ohki und LCG Govia, „Hilbert-Raum als Rechenressource im Reservoir-Computing“ Phys. Rev. Res. 4, 033007 (2022).
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033007

[41] Johannes Nokkala, Rodrigo Martínez-Peña, Gian Luca Giorgi, Valentina Parigi, Miguel C. Soriano und Roberta Zambrini, „Gaußsche Zustände kontinuierlich variabler Quantensysteme bieten universelles und vielseitiges Reservoir-Computing“ Communications Physics 4, 1–11 (2021).
https: / / doi.org/ 10.1038 / s42005-021-00556-w

[42] LCG Govia, GJ Ribeill, GE Rowlands, HK Krovi und TA Ohki, „Quantenreservoir-Computing mit einem einzigen nichtlinearen Oszillator“ Phys. Rev. Research 3, 013077 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.013077

[43] Jiayin Chen, Hendra I Nurdin und Naoki Yamamoto, „Temporale Informationsverarbeitung auf lauten Quantencomputern“, Physical Review Applied 14, 024065 (2020).
https: / / doi.org/ 10.1103 / PhysRevApplied.14.024065

[44] Yudai Suzuki, Qi Gao, Ken C Pradel, Kenji Yasuoka und Naoki Yamamoto, „Natürliches Quantenreservoir-Computing für die zeitliche Informationsverarbeitung“, Wissenschaftliche Berichte 12, 1–15 (2022).
https: / / doi.org/ 10.1038 / s41598-022-05061-w

[45] Tomoyuki Kubota, Yudai Suzuki, Shumpei Kobayashi, Quoc Hoan Tran, Naoki Yamamoto und Kohei Nakajima, „Zeitliche Informationsverarbeitung durch Quantenrauschen“ Phys. Rev. Res. 5, 023057 (2023).
https: / / doi.org/ 10.1103 / PhysRevResearch.5.023057

[46] Michele Spagnolo, Joshua Morris, Simone Piacentini, Michael Antesberger, Francesco Massa, Andrea Crespi, Francesco Ceccarelli, Roberto Osellame und Philip Walther, „Experimental photonic Quantum Memristor“ Nature Photonics 16, 318–323 (2022).
https:/​/​doi.org/​10.1038/​s41566-022-00973-5

[47] Gerasimos Angelatos, Saeed A. Khan und Hakan E. Türeci, „Reservoir Computing Approach to Quantum State Measurement“, Phys. Rev. X 11, 041062 (2021).
https://doi.org/ 10.1103/PhysRevX.11.041062

[48] Sanjib Ghosh, Tanjung Krisnanda, Tomasz Paterek und Timothy CH Liew, „Realising and Compressing Quantum Circuits with Quantum Reservoir Computing“ Communications Physics 4, 1–7 (2021).
https:/​/​doi.org/​10.1038/​s42005-021-00606-3

[49] Sanjib Ghosh, Andrzej Opala, Michał Matuszewski, Tomasz Paterek und Timothy CH Liew, „Quantum Reservoir Processing“ npj Quantum Information 5, 35 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0149-8

[50] Sanjib Ghosh, Andrzej Opala, Michal Matuszewski, Tomasz Paterek und Timothy CH Liew, „Reconstructing Quantum States With Quantum Reservoir Networks“ IEEE Transactions on Neural Networks and Learning Systems 32, 3148–3155 (2021).
https://​/​doi.org/​10.1109/​tnnls.2020.3009716

[51] Sanjib Ghosh, Tomasz Paterek und Timothy CH Liew, „Quantenneuromorphe Plattform zur Quantenzustandsvorbereitung“, Phys. Rev. Lett. 123, 260404 (2019).
https://doi.org/ 10.1103/PhysRevLett.123.260404

[52] Tanjung Krisnanda, Tomasz Paterek, Mauro Paternostro und Timothy CH Liew, „Quantenneuromorpher Ansatz zur effizienten Erfassung schwerkraftinduzierter Verschränkung“, Physical Review D 107 (2023).
https: / / doi.org/ 10.1103 / physrevd.107.086014

[53] Johannes Nokkala „Online-Quantenzeitreihenverarbeitung mit Zufallsoszillatornetzwerken“ Wissenschaftliche Berichte 13 (2023).
https:/​/​doi.org/​10.1038/​s41598-023-34811-7

[54] Joni Dambre, David Verstraeten, Benjamin Schrauwen und Serge Massar, „Informationsverarbeitungskapazität dynamischer Systeme“, Wissenschaftliche Berichte 2, 1–7 (2012).
https: / / doi.org/ 10.1038 / srep00514

[55] Pere Mujal, Rodrigo Martínez-Peña, Gian Luca Giorgi, Miguel C. Soriano und Roberta Zambrini, „Zeitreihen-Quantenreservoir-Computing mit schwachen und projektiven Messungen“ npj Quantum Information 9, 16 (2023).
https: / / doi.org/ 10.1038 / s41534-023-00682-z

[56] Jorge García-Beni, Gian Luca Giorgi, Miguel C. Soriano und Roberta Zambrini, „Skalierbare photonische Plattform für Echtzeit-Quantenreservoir-Computing“, Physical Review Applied 20 (2023).
https: / / doi.org/ 10.1103 / physrevapplied.20.014051

[57] Fangjun Hu, Gerasimos Angelatos, Saeed A. Khan, Marti Vives, Esin Türeci, Leon Bello, Graham E. Rowlands, Guilhem J. Ribeill und Hakan E. Türeci, „Tackling Sampling Noise in Physical Systems for Machine Learning Applications: Fundamental Limits.“ und Eigentasks“ Physical Review X 13 (2023).
https: / / doi.org/ 10.1103 / physrevx.13.041020

[58] Izzet B. Yildiz, Herbert Jaeger und Stefan J. Kiebel, „Re-visiting the echo state property“ Neural Networks 35, 1–9 (2012).
https: / / doi.org/ 10.1016 / j.neunet.2012.07.005
https: // www.sciencedirect.com/ science / article / pii / S0893608012001852

[59] Bruno Del Papa, Viola Priesemann und Jochen Triesch, „Fading Memory, Plasticity, and Criticality in Recurrent Networks“ Springer (2019).
https:/​/​doi.org/​10.1007/​978-3-030-20965-0_6

[60] Sanjukta Krishnagopal, Michelle Girvan, Edward Ott und Brian R. Hunt, „Trennung chaotischer Signale durch Reservoir-Computing“ Chaos: An Interdisciplinary Journal of Nonlinear Science 30, 023123 (2020).
https: / / doi.org/ 10.1063 / 1.5132766

[61] Pere Mujal, Johannes Nokkala, Rodrigo Martínez-Peña, Gian Luca Giorgi, Miguel C. Soriano und Roberta Zambrini, „Analytischer Beweis für Nichtlinearität in Qubits und Quantenreservoir-Computing mit kontinuierlichen Variablen“ Journal of Physics: Complexity 2, 045008 (2021).
https://​/​doi.org/​10.1088/​2632-072x/​ac340e

[62] MD SAJID ANIS et al. „Qiskit: Ein Open-Source-Framework für Quantencomputing“ (2021).
https: / / doi.org/ 10.5281 / zenodo.2573505

[63] Marco Cattaneo, Matteo AC Rossi, Guillermo García-Pérez, Roberta Zambrini und Sabrina Maniscalco, „Quantum Simulation of Dissipative Collective Effects on Noisy Quantum Computers“ PRX Quantum 4 (2023).
https: / / doi.org/ 10.1103 / prxquantum.4.010324

[64] Heinz-Peter Breuerand Francesco Petruccione „Die Theorie offener Quantensysteme“ Oxford University Press on Demand (2002).
https: / / doi.org/ 10.1093 / acprof: oso / 9780199213900.001.0001

[65] Goran Lindblad „Über die Generatoren quantendynamischer Halbgruppen“ Communications in Mathematical Physics 48, 119–130 (1976).
https: / / doi.org/ 10.1007 / BF01608499

[66] Vittorio Gorini, Andrzej Kossakowski und Ennackal Chandy George Sudarshan, „Completely positivedynamical semigroups of N-level systems“ Journal of Mathematical Physics 17, 821–825 (1976).
https: / / doi.org/ 10.1063 / 1.522979

[67] Marco Cattaneo, Gian Luca Giorgi, Sabrina Maniscalco und Roberta Zambrini, „Lokale versus globale Mastergleichung mit gemeinsamen und getrennten Bädern: Überlegenheit des globalen Ansatzes bei teilweiser säkularer Approximation“ New Journal of Physics 21, 113045 (2019).
https: / / doi.org/ 10.1088 / 1367-2630 / ab54ac

[68] Lyudmila Grigoryeva und Juan-Pablo Ortega „Echo State Networks are universal“ Neural Networks 108, 495–508 (2018).
https: / / doi.org/ 10.1016 / j.neunet.2018.08.025
https://​/​www.sciencedirect.com/​science/​article/​pii/​S089360801830251X

[69] Georg Fette und Julian Eggert „Kurzzeitgedächtnis und Mustervergleich mit einfachen Echo-State-Netzwerken“ Internationale Konferenz über künstliche neuronale Netze 13–18 (2005).
https: / / doi.org/ 10.1007 / 11550822_3

[70] Sepp Hochreiter und Jürgen Schmidhuber „Langes Kurzzeitgedächtnis“ Neural computation 9, 1735–1780 (1997).
https:/​/​doi.org/​10.1007/​978-3-642-24797-2_4

[71] Gavan Lintern und Peter N. Kugler „Selbstorganisation in konnektionistischen Modellen: Assoziatives Gedächtnis, dissipative Strukturen und thermodynamisches Gesetz“ Human Movement Science 10, 447–483 (1991).
https:/​/​doi.org/​10.1016/​0167-9457(91)90015-P
https://​/​www.sciencedirect.com/​science/​article/​pii/​016794579190015P

[72] Rodrigo Martínez-Peña, Gian Luca Giorgi, Johannes Nokkala, Miguel C Soriano und Roberta Zambrini, „Dynamische Phasenübergänge im Quantenreservoir-Computing“, Physical Review Letters 127, 100502 (2021).
https://doi.org/ 10.1103/PhysRevLett.127.100502

[73] Michael C Mackey und Leon Glass „Oszillation und Chaos in physiologischen Kontrollsystemen“ Science 197, 287–289 (1977).
https: / / doi.org/ 10.1126 / science.267326

[74] J Doyne Farmer und John J Sidorowich „Vorhersage chaotischer Zeitreihen“ Physical Review Letters 59, 845 (1987).
https://doi.org/ 10.1103/PhysRevLett.59.845

[75] Herbert Jaeger und Harald Haas „Nutzung der Nichtlinearität: Vorhersage chaotischer Systeme und Energieeinsparung in der drahtlosen Kommunikation“ Science 304, 78–80 (2004).
https: / / doi.org/ 10.1126 / science.1091277

[76] S. Ortín, Miguel C. Soriano, L. Pesquera, Daniel Brunner, D. San-Martín, Ingo Fischer, CR Mirasso und JM Gutiérrez, „Ein einheitliches Framework für Reservoir-Computing und extreme Lernmaschinen basierend auf einem einzigen zeitverzögerten Neuron“ Wissenschaftliche Berichte 5, 1–11 (2015).
https: / / doi.org/ 10.1038 / srep14945

[77] Jaideep Pathak, Zhixin Lu, Brian R. Hunt, Michelle Girvan und Edward Ott, „Mit maschinellem Lernen chaotische Attraktoren replizieren und Lyapunov-Exponenten aus Daten berechnen“ Chaos 27, 121102 (2017).
https: / / doi.org/ 10.1063 / 1.5010300

[78] Kristian Baumann, Christine Guerlin, Ferdinand Brennecke und Tilman Esslinger, „Dicke Quantenphasenübergang mit einem supraflüssigen Gas in einem optischen Hohlraum“ Nature 464, 1301–1306 (2010).
https: / / doi.org/ 10.1038 / nature09009

[79] Zhang Zhiqiang, Chern Hui Lee, Ravi Kumar, KJ Arnold, Stuart J. Masson, AS Parkins und MD Barrett, „Nonequilibrium Phase Transition in a Spin-1 Dicke Model“ Optica 4, 424 (2017).
https://​/​doi.org/​10.1364/​optica.4.000424

[80] Juan A. Muniz, Diego Barberena, Robert J. Lewis-Swan, Dylan J. Young, Julia RK Cline, Ana Maria Rey und James K. Thompson, „Exploring dynamische Phasenübergänge mit kalten Atomen in einem optischen Hohlraum“ Nature 580, 602–607 (2020).
https: / / doi.org/ 10.1038 / s41586-020-2224-x

[81] Mattias Fitzpatrick, Neereja M. Sundaresan, Andy CY Li, Jens Koch und Andrew A. Houck, „Observation of a Dissipative Phase Transition in a One-Dimensional Circuit QED Lattice“, Physical Review X 7 (2017).
https: / / doi.org/ 10.1103 / physrevx.7.011016

[82] Sam Genway, Weibin Li, Cenap Ates, Benjamin P. Lanyon und Igor Lesanovsky, „Generalized Dicke Nonequilibrium Dynamics in Trapped Ions“, Physical Review Letters 112 (2014).
https://doi.org/ 10.1103/physrevlett.112.023603

[83] Julio T. Barreiro, Markus Müller, Philipp Schindler, Daniel Nigg, Thomas Monz, Michael Chwalla, Markus Hennrich, Christian F. Roos, Peter Zoller und Rainer Blatt, „Ein offener Quantensimulator mit gefangenen Ionen“ Nature 470, 486 –491 (2011).
https: / / doi.org/ 10.1038 / nature09801

[84] R. Blatt und CF Roos „Quantensimulationen mit gefangenen Ionen“ Nature Physics 8, 277–284 (2012).
https: / / doi.org/ 10.1038 / nphys2252

[85] Javad Kazemi und Hendrik Weimer „Driven-Dissipative Rydberg Blockade in Optical Lattices“ Physical Review Letters 130 (2023).
https://doi.org/ 10.1103/physrevlett.130.163601

[86] Vincent R. Overbeck, Mohammad F. Maghrebi, Alexey V. Gorshkov und Hendrik Weimer, „Multikritisches Verhalten in dissipativen Ising-Modellen“, Physical Review A 95 (2017).
https: / / doi.org/ 10.1103 / physreva.95.042133

[87] Jiasen Jin, Alberto Biella, Oscar Viyuela, Cristiano Ciuti, Rosario Fazio und Davide Rossini, „Phasendiagramm des dissipativen Quantum Ising-Modells auf einem quadratischen Gitter“, Physical Review B 98 (2018).
https: / / doi.org/ 10.1103 / physrevb.98.241108

[88] Cenap Ates, Beatriz Olmos, Juan P. Garrahan und Igor Lesanovsky, „Dynamische Phasen und Intermittenz des dissipativen Quantum Ising-Modells“, Physical Review A 85 (2012).
https: / / doi.org/ 10.1103 / physreva.85.043620

[89] A. Bermudez, T. Schaetz und MB Plenio, „Dissipation-Assisted Quantum Information Processing with Trapped Ions“, Physical Review Letters 110 (2013).
https://doi.org/ 10.1103/physrevlett.110.110502

[90] Haggai Landa, Marco Schiró und Grégoire Misguich, „Multistability of Driven-Dissipative Quantum Spins“, Physical Review Letters 124 (2020).
https://doi.org/ 10.1103/physrevlett.124.043601

[91] Sam Genway, Weibin Li, Cenap Ates, Benjamin P. Lanyon und Igor Lesanovsky, „Generalized Dicke Nonequilibrium Dynamics in Trapped Ions“, Physical Review Letters 112 (2014).
https://doi.org/ 10.1103/physrevlett.112.023603

[92] Heike Schwager, J. Ignacio Cirac und Géza Giedke, „Dissipative Spinketten: Implementierung mit kalten Atomen und stationären Eigenschaften“, Physical Review A 87 (2013).
https: / / doi.org/ 10.1103 / physreva.87.022110

[93] Tony E. Lee und Ching-Kit Chan „Heralded Magnetism in Non-Hermiteian Atomic Systems“, Physical Review X 4 (2014).
https: / / doi.org/ 10.1103 / physrevx.4.041001

[94] J. Ignacio Ciracand Peter Zoller „Neue Grenzen der Quanteninformation mit Atomen und Ionen“ Physics Today 57, 38–44 (2004).
https: / / doi.org/ 10.1063 / 1.1712500

[95] Tony E. Lee, Sarang Gopalakrishnan und Mikhail D. Lukin, „Unconventional Magnetism via Optical Pumping of Interacting Spin Systems“, Physical Review Letters 110 (2013).
https://doi.org/ 10.1103/physrevlett.110.257204

[96] Danijela Marković und Julie Grollier „Quantum Neuromorphic Computing“ Applied Physics Letters 117, 150501 (2020).
https: / / doi.org/ 10.1063 / 5.0020014

[97] Marco Cattaneo, Gabriele De Chiara, Sabrina Maniscalco, Roberta Zambrini und Gian Luca Giorgi, „Collision Models Can Efficiently Simulate Any Multipartite Markovian Quantum Dynamics“ Physical Review Letters 126 (2021).
https://doi.org/ 10.1103/physrevlett.126.130403

[98] Inés de Vega und Daniel Alonso „Dynamik nicht-Markovianischer offener Quantensysteme“ Rev. Mod. Phys. 89, 015001 (2017).
https: / / doi.org/ 10.1103 / RevModPhys.89.015001

[99] G Manjunath „Einbettung von Informationen in ein dynamisches System“ Nonlinearity 35, 1131 (2022).
https://​/​doi.org/​10.1088/​1361-6544/​ac4817

[100] Jiayin Chen Dissertation „Nichtlineare konvergente Dynamik für die zeitliche Informationsverarbeitung auf neuartigen Quanten- und klassischen Geräten“ (2022).
https://​/​doi.org/​10.26190/​unsworks/​24115

[101] Davide Nigro „Über die Einzigartigkeit der stationären Lösung der Lindblad-Gorini-Kossakowski-Sudarshan-Gleichung“ Journal of Statistical Mechanics: Theory and Experiment 2019, 043202 (2019).
https:/​/​doi.org/​10.1088/​1742-5468/​ab0c1c

[102] Lyudmila Grigoryeva und Juan-Pablo Ortega „Universelle zeitdiskrete Reservoircomputer mit stochastischen Eingaben und linearen Auslesungen unter Verwendung inhomogener zustandsaffiner Systeme“ J. Mach. Lernen. Res. 19, 892–931 (2018).
https: / / dl.acm.org/ doi / abs / 10.5555 / 3291125.3291149

[103] Fabrizio Minganti, Alberto Biella, Nicola Bartolo und Cristiano Ciuti, „Spektraltheorie der Liouvillianer für dissipative Phasenübergänge“ Phys. Rev. A 98, 042118 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.042118

[104] E. Anderson, Z. Bai, C. Bischof, LS Blackford, J. Demmel, J. Dongarra, J. Du Croz, A. Greenbaum, S. Hammarling, A. McKenney und D. Sorensen, „LAPACK Users' Guide „Gesellschaft für Industrielle Angewandte Mathematik (1999).
https: / / doi.org/ 10.1137 / 1.9780898719604

Zitiert von

[1] Antonio Sannia, Francesco Tacchino, Ivano Tavernelli, Gian Luca Giorgi und Roberta Zambrini, „Konstruierte Dissipation zur Mitigate Barren Plateaus“, arXiv: 2310.15037, (2023).

[2] P. Renault, J. Nokkala, G. Roeland, NY Joly, R. Zambrini, S. Maniscalco, J. Piilo, N. Treps und V. Parigi, „Experimental Optical Simulator of Reconfigurable and Complex Quantum Environment“ , PRX-Quantum 4 4, 040310 (2023).

[3] Jorge García-Beni, Gian Luca Giorgi, Miguel C. Soriano und Roberta Zambrini, „Squeezing als Ressource für die Zeitreihenverarbeitung im Quantenreservoir-Computing“, Optik Express 32 4, 6733 (2024).

[4] Johannes Nokkala, Gian Luca Giorgi und Roberta Zambrini, „Retrieving vergangener Quantenmerkmale mit Deep Hybrid Classic-Quantum Reservoir Computing“, arXiv: 2401.16961, (2024).

[5] Shumpei Kobayashi, Quoc Hoan Tran und Kohei Nakajima, „Hierarchie der Echozustandseigenschaft im Quantenreservoir-Computing“, arXiv: 2403.02686, (2024).

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2024, 03:21:04 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

On Der von Crossref zitierte Dienst Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2024-03-21 04:08:38).

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

Zeitstempel:

Mehr von Quantenjournal