基于 Fokker-Planck 模型的物理信息神经网络用于稀薄气体流动
研究提出无数据 Fokker-Planck 物理信息神经网络(FP-PINN),用椭球统计 Fokker-Planck(ES-FP)方程结合速度分布函数闭合与矩投影构造物理损失,用于描述稀薄非平衡流动。在稳态一维 Mach 10 正激波上,FP-PINN 与数值 ES-FP 结果误差低于 1%,但相比粒子 ES-FP 结果预测的激波结构更陡,误差最高达 17%,差异归因于速度分布函数闭合与矩投影。
研究提出无数据 Fokker-Planck 物理信息神经网络(FP-PINN),用椭球统计 Fokker-Planck(ES-FP)方程结合速度分布函数闭合与矩投影构造物理损失,用于描述稀薄非平衡流动。在稳态一维 Mach 10 正激波上,FP-PINN 与数值 ES-FP 结果误差低于 1%,但相比粒子 ES-FP 结果预测的激波结构更陡,误差最高达 17%,差异归因于速度分布函数闭合与矩投影。
日本 NanoTerasu 光源 BL08U 光束线建成可无人值守运行的自动化终端站,由 4 个腔室单元和 2 台机器人完成样品从大气到超高真空测量台的自动传输与测后归位。系统按程序在指定样品区域扫描微聚焦光束,自动采集软 X 射线吸收谱,并用主成分分析、多维缩放、t-SNE 和 UMAP 等机器学习方法自动评估,高通量数据汇入数据库供远程用户查看。
研究提出机制感知耦合神经编排器(RCNO),在空间和时间上分配并连接一组局部算子专家,为每个 patch 构建包含当前场、邻接 halo 值、局部机制特征与案例参数的因果查询。
研究者提出 physics-transfer(PT)学习,一种面向复杂度阶梯上零样本泛化的物理约束学习理论,通过构建锚定域链(CADs)把低成本源域与复杂目标域连接起来。
研究者提出一套第一性原理引导的框架,可从无序材料中的可移动杂质预测统计性 TLS 分布。该框架结合机器学习原子间势与 DFT、最小作用路径验证,将杂质景观关联到隧穿劈裂、不对称分布、TLS 密度与介电损耗。
研究团队在超导量子处理器上利用碰撞模型实现了几何热泵浦:驱动量子比特反复与两个处于热态、模拟热库的辅助量子比特相互作用,通过每次相互作用前后的能量测量记录交换热量。反转驱动轮廓可提取出与泵浦相关的热贡献,其对周期和轮廓的依赖与无参数可调的碰撞模型精确模拟一致,并在慢驱动区间逼近对应 Lindblad 动力学的几何极限。
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。
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。
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。
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。
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。
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)。
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。
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 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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
NVIDIA RTX Spark 笔记本现已上市,搭载 Blackwell RTX GPU 与 Grace CPU,最高 1 petaflop AI 算力和 128GB 统一内存,起售价 2399 美元。华硕、戴尔、惠普、联想、微软和微星首批推出相关机型,后续还有更多系统。NVIDIA 在柏林、北京、伊斯坦布尔、首尔、旧金山和台北六地举办零售上市庆祝活动,黄仁勋在柏林现场送出五台签名笔记本。
AWS 销售与市场团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖从首次提交到生产运行的九阶段智能体评测框架,用于其内部多智能体销售智能系统。
Itaú 正通过对话式界面 ia.i 和治理平台 IARA,把 AI First 战略同时落到客户与员工两端,覆盖巴西监管最严格的行业之一。
Reflection AI 推出开源权重模型 Beam,面向智能体编码与长周期任务,总参数 5010 亿、激活参数 230 亿,Reflection 称有效上下文长度为 100 万 token,权重以 Apache 2.0 许可在 Hugging Face 发布,提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由:原文给出 Beam 的参数量、上下文长度与三种部署路径,可据此判断开源智能体编码模型的落地成本。
Benefit Street Partners 的 Anant Kumar 用 Codex 做代码审查并加快后续跟进,从而更快回答客户问题。他构建的工具用于比较贷款估值和分析信贷协议。
Stack Overflow for Agents 由两名工程师用 Codex 在数周内完成开发,其 ChatGPT 插件推动智能体创建量最高增长 10 倍,注册量增至三倍。
OpenAI 推出 Rosalind 学术计划,为符合条件的学术实验室提供 GPT-Rosalind 及相关工具的赞助访问,用于推进生命科学研究。原文未披露申请条件、工具清单和开放时间等细节。
推荐理由:原文给出学术实验室可申请赞助访问的入口,读者可据此判断生命科学研究的模型使用门槛变化。
Meta 的编程优化开放权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线,可在自有 AWS 账户中部署为 SageMaker AI 端点。
NVIDIA 发布 RTX Spark,定位为面向创作者、玩家和 AI 智能体的 Windows PC,并将在全球多地举办发布活动。原文汇总了 Tom's Hardware、TrustedReviews、Tom's Guide 等评测者的早期反馈,并提到 Artificial Analysis 的独立测试提供了该平台本地 AI 性能的初步观察。
推荐理由:原文汇总了多家评测者对 RTX Spark 本地 AI 与游戏表现的早期反馈,并列出全球发布活动的时间地点。
Google DeepMind 介绍其智能体开发平台 Google Antigravity 如何用于抗菌肽发现,生物学家与 AI 智能体在一次多轮会话中完成跨数据库检索、结构分析和文献综合,找到一个对呼吸道感染相关病原体有预测活性的新型抗菌肽候选物,目前正进行湿实验验证。
推荐理由:原文完整展示了智能体如何把跨库检索、结构分析与文献综合压缩进一次会话,可观察 AI 介入科研流程的具体分工。
微软研究院发布零知识虚拟机 Magnetar,可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程,并输出可在约 12 毫秒内验证的简短证明。
推荐理由:微软研究院把十余年零知识证明研究整合为 Magnetar,读者可了解通用可验证计算在速度与密码学假设上的取舍。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张用独立分层的机制替代逐步骤人工审批,让智能体在可验证的范围内自主行动。
NVIDIA 发布 Nemotron 3.5 Super VL,这是开放权重的 1200 亿参数模型,主打多模态智能体任务,官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由:原文给出了三款模型的参数规模、内存占用与开放权重,读者可据此判断不同部署层级的选择空间。
NVIDIA DLSS 4.5 控制选项已在 GeForce NOW 上线,让会员在云端调整支持游戏的画质与性能,无需最新硬件。DLSS Super Resolution、Dynamic Multi Frame Generation 和 Ray Reconstruction 均可调节,Ultimate 会员在 RTX 5080 云主机上最高可用 4X 动态多帧生成。