日前，記者從中國科學技術大學獲悉，該校郭光燦院士團隊教授李傳鋒、項國勇與合作者使用單個量子比特內存實現的量子模型，獲得了比相同內存維度任何經典模型更高的精度。該研究展示了量子技術在復雜系統非馬爾科夫過程建模中的存儲優勢。相關研究成果在線發表于《自然-通訊》。

　　從化學反應到金融市場，從氣象系統到星系形成，人們需要處理各種規模的復雜過程。隨機建模能夠幫助我們預測這些過程的未來行為。俄國數學家馬爾可夫于1907年提出的馬爾可夫過程，即是一類隨機過程。然而，由于這些隨機過程通常是非馬爾可夫的，其未來行為不僅取決于當前狀態，也基于它的過去狀態。為了模擬這樣的過程，必須有一個存儲器來存儲系統的大量觀測信息。信息存儲量將直接和預測未來行為的精度關聯，因此，這在實踐中將導致一個瓶頸，需要在減少內存與預測準確性之間進行權衡。

　　項國勇研究組發現，即使在對純經典動力學過程建模的時候，量子技術也可以展示出顯著優勢。該團隊基于光子系統實驗實現了一系列非馬爾可夫隨機過程的量子模型。該類隨機過程具有一個可調參數，用于控制其有效的內存長度，最優經典模型的內存維度隨此參數的值而增長。

　　實驗證明，量子模型可以僅使用單個量子比特作為內存來模擬該類行為中的任何過程，并且即使存在實驗噪聲，此量子模型也比最優的相同內存維度的經典模型能夠更準確地做出未來行為的預測。（記者 陳婉婉）