From quantum reservoirs to quantum extreme learning machines through a nearest-neighbor spin chain with tunable quantum memory
Questo articolo dimostra che il Quantum Reservoir Computing e le Quantum Extreme Learning Machines sono due limiti di un'architettura unificata connessa dalla lunghezza della codifica dell'input, rivelando che l'elaborazione temporale ottimale avviene al limite del caos indipendentemente dalla connettività, mentre la necessità di memoria ricorrente dipende dalla profondità storica richiesta dal compito.