待验证50% 置信事实精确时间
Quantum-JEPA 使用条件量子玻恩先验（conditional quantum Born prior）来学习未来表征的分布，为 JEPA 引入了一个可训练的量子组件。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证Quantum-JEPA 的核心设计是用量子电路生成二值潜动作（binary latent actions），测量输出的比特串被解释为潜动作，再由共享预测器映射到不同的未来表征。79% 相似待验证Quantum-JEPA 采用采样能量目标（sampled energy objective）来优化量子先验，使生成的潜动作既能产生有效的未来预测，又能覆盖多种可能的延续。75% 相似待验证这项研究在真实 QPU 上验证了训练后量子先验的推理可行性，而大多数量子机器学习工作聚焦于仿真。68% 相似待验证在 D3IL 基准上，训练后的 Quantum-JEPA 模型能够从同一初始点生成多条避障路线，且无需观测运动信息。68% 相似待验证Q-FLAIR 是一种自适应方案，让量子特征映射电路逐门生长，每一步检查训练损失是否改善，一旦增长不再带来收益就停止。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1079373API
curl https://kongchang.com/api/v1/knowledge/claims/1079373MCP
get_claim(id=1079373)