上海科学家团队与中国科学技术大学、浙江大学合作，通过联合量子储层计算技术，让气象预测精度得到了显著提升。量子计算机拥有超强算力，但要在真实环境中验证其优势，是个巨大挑战。复旦大学物理学系的李晓鹏教授和他的团队给出了解决方案。在这个实验中，他们仅用了9个自旋的量子系统，其预测精度竟然超过了包含数千个节点的经典储层网络。这个结果令人惊叹，也显示出量子机器学习在解决实际问题上的巨大潜力。 这项研究不仅降低了时序预测任务的误差高达1到2个数量级，还在实验系统中证明了量子机器学习可以超越经典模型。李晓鹏教授把这个量子系统比作一个小水池，虽然物理尺寸很小，但内部动态非常复杂。每输入一点信息进去，都会激起层层叠叠的波纹。这些波纹不仅记录了当前输入，还保留了过去的痕迹。 相比经典网络需要成千上万个节点才能展开复杂数据映射，量子系统特别小但能够产生丰富动态响应是因为其内部不同量子比特之间发生复杂相互作用和纠缠。过去的量子计算因为对环境噪音敏感而难以普及。传统的量子计算需要设计复杂电路，并且读取信息就像拍单张照片一样无法获取连续变化信号。 这次他们换了个思路：利用系统原本被视为限制因素的弛豫过程来转化为计算动力；读取数据时引入时间复用等方法来大幅提升有效读出维度。复旦大学团队负责了理论方案设计和模型构建；中科大团队则提供核磁共振实验平台；浙江大学团队也参与了这次联合攻关。 该成果不仅证明了小规模量子系统在真实数据预测中能够展现实际优势，还适配当前中等规模含噪声量子设备（NISQ），为发展低能耗、高维度面向真实场景的量子时序智能提供了新路径。 这个结果令人振奋的特质之一在于它的“接地气”，不需要复杂纠错就适配当前设备；此外还为探索量子机器学习实际优势打开了新发展方向。依托复旦团队成立的不筹量子科技有限责任公司正在研制基于中性原子的专用机，致力于挖掘新型量子人工智能技术在更复杂气象预测场景中的规模化优势。 上海将量子计算作为未来产业发展重点方向进行布局，营造和完善创新生态集聚资源。未来应用前景广阔：金融风险预警、高灵敏智能传感等复杂时序预测领域有望成为量子机器学习大显身手之处。