用于时间序列处理的量子神经可塑性学习（QNL）

研究人员提出面向时间序列处理的量子神经可塑性学习（QNL），受生物突触机制启发通过资格迹动态重组量子油藏中的量子比特耦合。仿真测试显示，该方法能显著提升系统的记忆容量与长期召回能力。在 IBM 超导处理器 `ibm_fez` 上的 42 量子比特并行实验中，QNL 将信道均衡误码率从 9.7% 降至 2.2%。