创新背景

量子计算机是未来计算机发展的目标，但大多数科学家认为这些机器仍处于初级阶段。比起量子计算机，量子互联网可能离现在更近一些，它将比互联网提供更显著的安全优势。可以创建量子互联网设备的许多基本原理或许已经被研究出来，但要实现这些原理，尚且需要许多努力。

创新过程

利用新的量子力学行为的技术包括使用量子信息作为输入和输出数据的设备，由于固有的不确定性，这些设备数据需要仔细验证。如果设备依赖于时间，而输出依赖于过去的输入，那么验证就更具挑战性。

东京大学信息科学与技术研究生院的博士后研究员Quoc Hoan Tran和副教授Kohei Nakajima开创一种工具，使用机器学习，通过在这些系统中加入某种记忆效应，极大地提高了对时间相关量子设备的验证效率。

B 和 F 分别表示量子系统的输入和输出状态。E是将输入态B序列传递给量子储层S所必需的辅助系统，然后可以读取S以模拟F而不破坏系统。

量化和验证准备量子态的控制水平是构建量子设备的核心挑战。新工具通过创建量子信息相关算法，可以通过简单地学习量子输入和输出之间的关系，重建一个依赖时间的量子设备的工作方式。研究人员认为这种工具可以使验证量子设备的行为比目前更有效、更精确。

量子态是通过实验测量表征的，研究投入大量资源，使用称为断层扫描的程序。具有时间处理的量子设备的断层扫描与标准断层扫描有根本的不同。根据量子系统的输入和输出来描述量子系统的技术被称为量子过程断层扫描。

当量子系统表现出某种记忆效应，当前的状态会受前一个状态的影响。这意味着对输入和输出状态的简单检查无法描述系统的时间依赖性。新工具支持在每次更改后重复地对系统建模，但这在计算上是非常低效的。研究目标是接受这种记忆效应，并利用它为更新程序和工具，而不是使用暴力来克服它。

研究团队利用机器学习和一种叫做量子库计算的技术来构建新算法。来自储层的测量数据连接到线性读数，以训练应用于输入流的量子通道之间的循环关系。研究展示了用于代表性量子学习任务的算法，然后提出了量子存储容量来评估近期量子设备的时间处理能力。

它可以学习量子系统中随时间变化的输入和输出模式，并有效地猜测这些模式将如何变化，即使在算法还没有看到的情况下也是如此。由于它不需要像经验方法那样知道量子系统的内部工作原理，只需要知道输入和输出，该团队的算法可以更简单，也可以更快地产生结果。

新算法可以模拟某种量子系统，但假设的设备在处理能力上可能存在很大差异，并具有不同的记忆效果。下一阶段的研究将扩大算法的能力，本质上使某些东西更通用，从而更加高效。

使用机器学习为量子设备进行建模，创建量子信息相关算法，开发量子过程断层扫描，为实现量子计算机提供支持。