Joel Steinegger · Cristoph Räth

Nature Scientific Reports · 2025

Reservoir Computing (RC) gehört zu den vielversprechendsten Ansätzen für KI-basierte Vorhersagemodelle für komplexe Systeme. Es kombiniert eine hervorragende Vorhersageleistung mit einem sehr geringen CPU-Bedarf für das Training. Jüngste Ergebnisse haben gezeigt, dass sich auch Quantensysteme gut als Reservoirs für RC eignen. Aufgrund des exponentiellen Wachstums der Dimension des Hilbert-Raums, das durch die Erhöhung der Anzahl der Quantenelemente erreicht wird, sind kleine Quantensysteme für die Vorhersage von Zeitreihen bereits ausreichend. Hier zeigen wir, dass dreidimensionale Systeme bereits mit einem Quantenreservoir, das aus der minimalen Anzahl von Qubits besteht, die für diese Aufgabe notwendig sind, nämlich vier, gut vorhergesagt werden können. Erreicht wird dies durch eine optimierte Kodierung der Daten unter Verwendung von räumlichem und zeitlichem Multiplexing und neu entwickelten Ausleseschemata, die auch höhere Exponenten der Reservoirreaktion beinhalten. Wir skizzieren, testen und validieren unseren Ansatz anhand von acht prototypischen dreidimensionalen chaotischen Systemen. Sowohl die kurzfristige Vorhersage als auch die Reproduktion des langfristigen Systemverhaltens (das „Klima“ des Systems) sind mit demselben Setup optimierter Hyperparameter möglich. Unsere Ergebnisse könnten ein weiterer Schritt auf dem Weg zur Realisierung eines speziellen kleinen Quantencomputers für Vorhersageaufgaben in der NISQ-Ära sein.

Nature Scientific Reports (2025)
https://doi.org/10.1038/s41598-025-87768-0

Nature Scientific Reports · Creative Commons BY 4.0