量子伊辛模型动力学中偏差的几何膨胀对神经量子态构成挑战
研究以一维量子伊辛模型的淬火动力学为基准，通过监督式态重建给出比以往更紧的参数数量经验上界，排除了表示能力不足这一主要障碍。真正的问题在于量子几何张量（QGT）核的动态旋转会让原本无关的参数偏差突然获得物理意义，即偏差的几何膨胀，使无穷小时间相关变分原理（TDVP）难以精确求解。相同 TDVP 下矩阵乘积态解的稳定性表明，神经网络拟设的非线性是这种敏感性的来源。
全部资讯动态
arXiv 量子物理AI 评分3838 arXiv 量子物理AI 评分3838 面向 Softmax Attention 的量子路线图：概率单纯形上 Softmax Attention 的精确 Born 规则对应
一篇 arXiv 论文给出 Softmax Attention 在概率单纯形上的精确量子实现：注意力分数是块编码投影上的 Hadamard 检验统计量，指数 Softmax 对应 Born 规则测量生成的余弦平方族内部，softmax 温度对应后选择测量轮数。
arXiv 量子物理AI 评分5858 研究用 Claude Opus 4.7 自动生成离子阱量子计算机穿梭编译器
一项 arXiv 研究让 Claude Opus 4.7 依据文字规格生成并迭代改进离子阱量子计算机的穿梭编译器，覆盖线性分段阱、带结阱和连通阱图三类架构。与手工编译器在相同量子电路上对比，前两类架构的穿梭时间步分别最多减少 72% 和 43%；在自由连通架构中，密集且多结的拓扑相比走廊式拓扑最多可减少一个数量级的时间步。
arXiv 量子物理AI 评分4040 风险感知神经脉冲编译：连续参数化单量子比特门的最优控制基准与 NMR 硬件验证
研究提出一种物理信息神经编译框架，学习从连续参数化单量子比特门目标到可实验控制波形的可复用映射，无需预计算最优脉冲标签即可端到端训练。在三量子比特液态 NMR 模型上，该编译器对 Haar 分布目标平均标称保真度超过 0.99，推理生成新脉冲耗时低于 1 毫秒。风险感知微调显著拓宽了对射频幅度误差的容忍范围，三自旋 NMR 处理器实验复现了预测的容忍度展宽，但绝对实验相关性低于模拟值。
arXiv 量子物理AI 评分3232 非厄米哈密顿量下玻色多体系统的平均场 Hartree 近似失效
研究证明，对于非厄米哈密顿量，平均场 Hartree 近似在热力学极限下无法给出单粒子边缘态正确的二阶时间导数。作者解析求解了 N 个玻色量子比特在纯反厄米哈密顿量下的模型，发现 N→∞ 时单粒子边缘态极限与 Hartree 方程解不一致，且存在初态使精确单粒子边缘态在有限时间内转变为混合态。对实谱非厄米哈密顿量的模拟同样显示 Hartree 方程无法复现正确的单粒子边缘态。
arXiv 量子物理AI 评分5555 研究提出玻色采样与神经网络混合架构，用可编程电路生成量子核提升分类
Mohammad Sharifian 与 Abolfazl Bayat 提出一种混合框架，将玻色采样的计算能力与神经网络的适应性结合，构建量子核以增强支持向量机分类。神经网络把数据特征映射到可编程玻色采样电路上，产生覆盖高维希尔伯特空间的量子态。在四个不同类别的数据集上，该模型表现优于经典线性核与 sigmoid 核，论文发表于 npj Quantum Information 12 (2026)。
arXiv 量子物理AI 评分5858 AnyNet：用神经网络波函数模拟连续空间任意子气体
研究者提出名为 AnyNet 的神经网络波函数架构，用于研究连续模型中阿贝尔任意子气体，可精确施加任意子统计带来的短距离非解析行为。该方法在 N=4 时与精确对角化结果高度一致，对中间统计量算到 N=16，对近费米型任意子算到 N=20，与微扰结果偏差在 0.4% 以内。作者据此研究了谐振势阱中的任意子、任意子原子模型，以及统计参数变化下单粒子密度、对密度、角动量和多任意子聚合时的波函数标度行为。
arXiv 量子物理AI 评分1818 不可约表示截断对 QCD 量子模拟的影响
研究用欧氏蒙特卡洛方法和弱耦合格点微扰论计算了 SU(3) 格点规范理论基态中链接处于不同不可约表示 R、R' 的相对概率 p(R')/p(R)。方法通过在各项异性格点上引入 seam 构造观测量，并可测量每个顶点处不同 site singlet 的相对概率，从而量化弱耦合基态中高电通量态的重要性。结果直接说明在接近连续极限时需何种截断才能准确刻画非阿贝尔规范动力学。
arXiv 量子物理AI 评分5555 研究实现大误差区间量子 PAC 学习的无条件超多项式优势
arXiv 论文给出布尔函数在均匀分布、大误差区间下量子与经典 PAC 学习的无条件超多项式分离：对任意 λ(n)=n^{-ω(1)}，存在概念类可由多项式时间量子学习器以至少 1-1/n^k 的成功概率学到 1/2+λ(n) 的一致度。
arXiv 量子物理AI 评分5858 研究团队用54量子比特处理器模拟百万原子膜环境中的蛋白自水解
研究团队提出一种量子-经典混合工作流，结合分子动力学、密度泛函理论和相关波函数方法，整合CPU、GPU与QPU，用于模拟ADGRG1的自水解反应。该模拟处理了超过一百万个原子的体系，包含嵌入内质网膜的全长未切割受体，并调用54量子比特的IQM量子处理器和最多1,200块NVIDIA H100 GPU。作者称这展示了量子计算机可作为可扩展科学工作流中的加速器，将相关电子结构方法扩展到生物相关体系。
arXiv 量子物理AI 评分3131 参数化量子电路中的任务对齐谱归纳偏置
研究显示，在数据重上传量子电路中编码固定的任务定义谱查询，可在不引入新样本相关信息的前提下，通过调节已有信号频率的组合方式改变电路对信号的假设空间。该机制与基于非均匀傅里叶变换的任务相匹配，在受合成孔径雷达启发的分类任务中，对齐查询使电路在有限数据下的学习效果优于参数匹配但查询不匹配或无查询的电路。
arXiv 量子物理AI 评分3838 利用量子电路中的可验证结构，用智能体 AI 找到更高效的编译方案
研究提出用 AI 智能体编译量子电路的方法：当瓶颈子程序具备可经典验证的结构（如仅由可逆经典逻辑、相位操作和基于测量的反计算组成）时，可对经典输入高效模拟执行，并通过模糊测试高效认证近似电路合成。
arXiv 量子物理AI 评分3838 量子网络中的传输质量估计：计算、模拟还是学习？
针对量子网络控制面决策所需的纠缠质量估计，文章提出 compute/simulate/learn 框架，并以基于模拟的概念验证加以说明。研究表明，解析组合在简单场景下已足够，当随机存储效应影响保真度分布时必须依赖模拟，而轻量学习代理模型能以更低运行成本逼近模拟器标签，用于在线控制。文章最后列出随机目标、sim-to-real 迁移、数据生成成本与拓扑泛化等部署挑战。
arXiv 量子物理AI 评分3131 IQP 特征映射量子核的 RKHS 表达能力研究
研究针对 IQP 特征映射，推导出关联 RKHS 生成元的傅里叶表示：以多项式变换输入变量上的三角函数有限和形式呈现，可及频率由电路结构决定并受带宽超参数缩放。该表示划分出局部化、多模态、周期性三种带宽区间，合成数据上的监督分类与无监督异常检测实验复现了这三种区间。可及频率与数据周期或多模态结构匹配时表达能力才转化为实际收益，为已知数据结构时选择带宽提供依据。
arXiv 量子物理AI 评分1818 多智能体行为中的信息流认证：通信调度可达行为的仿射刻画
研究多智能体在给定通信调度（发送者、接收者、消息字母表与输出时序的固定序列）加共享随机性下可产生哪些输入-输出行为，并证明在明确的操作假设下，可达行为的仿射包恰好由“每个联合输出统计量只依赖能到达相关智能体的输入”这组等式刻画，违反等式可同时定位被违反的统计量与缺失的输入。
arXiv 量子物理AI 评分2424 ConQUESTA：面向量子神经网络拓扑感知的训练后结构化剪枝
研究者提出训练后剪枝框架 ConQUESTA，结合任务显著性与编译器成本筛选纠缠门候选，并在显式精度约束下搜索完整剪枝掩码。在 4、6、8 量子比特 QNN 与八个模型种子上，55% 剪枝率下 Breast Cancer、Digits01、Iris 平均资源分别降低 61.6%、72.0%、82.2%，较最强简单基线高 3.5、1.7、8.9 个百分点。
arXiv 量子物理AI 评分2626 用薛定谔化量子电路模拟变系数 Vlasov 动力学
研究者为给定外场下的 Vlasov 动力学构造了无需经典场更新的显式薛定谔化量子电路。在 1D1V 情形中，速度相关平流直接从编码的速度寄存器编译，非线性立方场用可逆定点算术求值；固定多项式次数下，场工作区随坐标寄存器宽度线性增长，场求值子程序为多项式深度。
arXiv 量子物理AI 评分4242 学习量子近似优化算法所需的变分角度
研究团队训练模型直接从问题实例映射到高质量 QAOA 变分角度，用单次前向推理替代逐实例的经典求解器优化，速度快数个数量级且质量接近。模型可泛化到 Barabási-Albert 和 2D 网格等未见拓扑，量子硬件实验显示其角度采样与求解器角度难以区分。对拓扑敏感的模型能进一步提升角度质量，相关模型已开源。
arXiv 量子物理AI 评分2626 量子辅助纯态无歧义区分：带鲁棒性界限的混合量子-经典框架
研究者提出一种混合量子-经典框架，将 NSS（噪声中等规模量子半定规划求解器）与倒易态表示结合，用于纯态的无歧义区分。以被区分态本身作为 ansatz 后，原矩阵变量 NSS 形式被化简为 N 个标量变量的优化（N 为被区分态数量），减少了优化变量与半正定约束。
arXiv 量子物理AI 评分3838 经典神经网络与参数化量子电路组合框架求解 Lindblad 主方程
研究者提出一种变分框架，用经典神经网络与参数化量子电路组合的 ansatz 求解 Lindblad 主方程，通过最小化残差代价函数实现，并在扩展 Hilbert 空间上用纯化表示密度矩阵以保证正定性、厄米性与单位迹。
果壳 · 科学人AI 评分4040 使用替尔泊肽半年后暴食，我突发急性胃扩张住院
一名使用替尔泊肽半年的减重者因未吃早餐疑似低血糖，一次性吃下蛋挞和菠萝后出现喷射性呕吐与水样腹泻，急诊CT显示胃壁积气、肝内积气，被诊断为急性糜烂出血性胃炎合并腹腔感染，医生判断与替尔泊肽相关的胃排空延迟导致急性胃扩张。她住院插胃管减压、禁食禁水并持续输液，3天后拔管，体重降至近年史低，出院后停针并安排胃肠镜检查。
Latent SpaceAI 评分5858 Leash Bio 的 Ian Quigley 谈 DEL 数据与科学智能体 Minos
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）获取高重复性蛋白与小分子结合数据，并用于大规模建模。
Berkeley AI ResearchAI 评分5050 伯克利提出基于信息量的成像系统设计框架，成果入选 NeurIPS 2025
伯克利 AI 研究团队提出一个以互信息为核心的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在四个成像领域预测系统性能，优化后得到的设计与 SOTA 端到端方法相当，同时内存和算力需求更低，且无需任务专用解码器设计。相关成果发表于 NeurIPS 2025 论文。