Analog neutral-atom for in-memory processing in quantum reservoir computing

在探索如何教机器思考的过程中，科学家们长期以来一直向人类大脑寻求灵感，特别是其在处理当下的同时记忆过去的能力。这一特定挑战被称为时间序列分析，涉及理解数据序列中顺序至关重要的过程，例如预测天气或分析股票市场。几十年来，研究人员一直试图构建能够模拟这种“褪去记忆”（fading memory）的数字系统——即旧信息逐渐消退，以为新数据腾出空间，这是理解连续事件流的关键属性。最近，一个新的前沿领域已经开启，即尝试不在硅芯片上，而是在量子计算机上执行这些任务。这些机器利用量子物理的奇特规则在超高维空间中处理信息，为解决经典计算机难以应对的复杂问题提供了潜在的捷径。然而，一个主要的障碍仍然存在：量子系统极其脆弱，往往会迅速失去保持信息的能力，或者需要外部经典计算机作为临时内存缓冲器，这反而违背了使用量子机器的初衷。

一支研究团队现在展示了一种利用特定类型的中性原子量子硬件来克服这一限制的方法。通过精心设计原子与环境的相互作用方式，科学家们创造了一个能够自然地遗忘初始状态，同时保留近期输入有用记录的系统，且无需外部经典存储库。他们的工作依赖于对量子系统的模拟而非在真实机器上的物理实验，研究表明，解锁这种记忆的关键在于混沌与受控衰减之间的微妙平衡。研究人员发现，通过将系统调节到量子混沌的一个特定点，并引入一种特定类型的能量损失，他们可以构建一个能够解决复杂预测问题的“储备池（reservoir）”，且仅需五个原子即可实现。这种方法表明，通往完全自主的量子处理器之路是可行的，这类处理器可以原生处理实时时间任务，而不依赖于目前系统经常使用的缓慢外部缓冲方法。

这项研究的核心涉及一种被称为中性原子阵列的平台，其中单个原子被聚焦的光束固定在原地，就像被握在隐形杯子里的弹珠一样。这些原子被激发到高能态，从而使其能够与彼此发生强烈的相互作用。过去，科学家在使用这些平台进行机器学习时，通常采用一种方法：将一截数据输入系统，测量结果，然后重置系统以开始下一截数据的处理。这种方法类似于一次只读一页书，并在翻开下一页之前抹去对前一页的记忆；虽然可行，但效率低下，且无法捕捉信息的连续流动。这项新研究提出了一种不同的策略：一种模拟系统，让数据连续流动，并且系统本身通过演化将其对过去的记忆保留在其量子态中。为了实现这一点，研究人员必须解决一个根本问题：量子系统倾向于要么永久保留信息（这会导致无法遗闻旧数据），要么丢失得太快。他们需要一种诱导“褪去记忆”的方法，使系统既能记住近期，又能逐渐释放远期，这是处理随时间变化的信息所必需的属性。

研究人员发现，实现这种褪去记忆的秘密在于拥抱耗散（dissipation），即受控的能量损失，而不是试图消除它。在他们的模拟中，他们将原子建模为与周围环境相互作用，导致它们随时间流逝而损失能量。他们测试了能量损失发生的几种不同方式，并进行了比较，以观察哪种方式最能保留处理信息的能力。他们发现，一种被称为振幅阻尼（amplitude damping）的特定能量损失方式最为有效。这一过程驱动原子趋向于一个稳定的基态，有效地“清理”了系统中的旧信息，同时允许新输入以一种保留历史痕迹的方式塑造系统状态。令人惊讶的是，他们还发现另一种通常被视为有害的噪声，在系统受到强外部驱动时，仍能保留少量的记忆。这一反直觉的发现表明，即使在一个理论上无法保持稳态的系统中，持续的驱动力也能让系统处于一种既能维持波动又能短期记住过去的动态平衡中。

为了测试该系统的效果，团队运行了一系列旨在衡量记忆力和预测能力的基准测试。他们首先进行了一项简单的任务，称为短期记忆，即系统必须回想起序列中几步之前的数字。他们发现，当原子被调节到被称为“混沌边缘（edge of chaos）”的特定操作点时，系统的表现最为出色。这是一个系统既不完全可预测也不完全随机的区域，处于一个复杂模式可以涌现的甜点区。当原子被调节到这个边缘时，系统能够比处于更稳定或更混沌状态时记住信息更长时间。研究人员还比较了两种扩展系统的方法：增加物理原子数量，以及使用一种称为时间复用（time-multiplexing）的技术（即尝试通过在不同时间对原子进行采样，从相同数量的原子中挤出更多信息）。他们发现，增加物理原子是更可靠的方法，因为这增加了存储信息的新的独立维度，而时间复用很快就会遇到瓶颈，即额外的样本变得过于相似而失去实用价值。

该系统的真正考验在于研究人员要求它预测复杂的混沌模式。他们使用了两个著名的数学模型，这些模型生成具有结构性的不可预测序列，被称为 Mackey-Glass 和 Santa Fe 时间序列。这些任务非常困难，因为未来的状态取决于长久且复杂的过去状态。模拟显示，他们的量子储备池即使在使用极少量原子的情况下，也能以惊人的准确度预测这些序列。在一种情景下，仅由五个原子组成的阵列就足以高精度地预测混沌行为。至关重要的是，研究人员将他们的方法与依赖外部经典内存的旧方法进行了对比。他们发现，他们这种能够持有自身记忆的自主量子系统，其表现显著优于带有经典缓冲的系统。旧系统需要从外部输入大量的历史数据窗口才能达到类似的结果，而新系统则能以更小的窗口实现，有效地在内部处理信息。

研究结论指出，为了使量子储备计算成为现实，硬件在设计之初就必须包含这些特定的耗散特性。研究人员认为，对于这种类型的计算而言，试图构建完美的、孤立的、永不损失能量的量子系统的时代可能并非正确路径。相反，未来在于设计那些对环境开放的系统，利用受控的能量损失来创造必要的褪去记忆。通过将系统调节到混沌边缘并使用正确的能量耗散，构建一个能够作为真实时间处理器的量子计算机是可能的。这项工作为如何设计这些机器提供了清晰的蓝图，表明下一代量子设备有望能够原生处理复杂的实时数据流，而无需依赖目前限制其应用的沉重外部脚手架。