量子储层计算结合物理约束修正，提升偏微分方程预测精度。
Quantum Reservoir Computing with Physics-Informed Correction for Reduced-Order PDE Forecasting
- 用量子储层计算预测隐变量演化，再用物理信息网络修正局部结果。
- 在柯尔莫哥洛夫-希瓦辛斯基方程上，误差和残差均显著降低。
- 适合需要高精度的混沌系统建模，尤其适用于物理规律明确的场景。
我们研究了一种混合方法——校正架构，用于降阶偏微分方程（PDE）预报。该方法利用纯态量子储层计算机（QRC）预测隐变量动力学，再通过基于物理信息神经网络（PINN）的物理信息校正器（PIC）对局部预测窗口进行优化。在伯格斯方程和柯尔莫哥洛夫-希瓦辛斯基（KS）方程上进行了评估，其中KS作为主要混沌基准。在KS方程上，QRC+PIC在均方根误差（RMSE）、归一化均方根误差（NRMSE）和PDE残差方面均持续优于仅使用QRC的方法；而伯格斯方程则揭示了某些情形下简单基线仍表现强劲。结果表明，结合局部物理约束校正的量子储层方法是一种可行的、依赖于任务的降阶预报策略。
原文摘要 · Abstract (English)
We study a hybrid proposal--correction architecture for reduced-order PDE forecasting in which a pure-state quantum reservoir computer (QRC) predicts latent coefficient dynamics and a PINN-based physics-informed corrector (PIC) refines local rollout windows. The method is evaluated on Burgers and Kuramoto--Sivashinsky (KS), with KS as the primary chaotic benchmark. On KS, QRC+PIC consistently improves over QRC alone in RMSE, NRMSE, and PDE residual, while Burgers highlights a regime in which simple baselines remain strong. These results suggest that QRC proposals with local physics-informed correction are a viable benchmark-dependent reduced-order forecasting strategy.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。