#量子计算
共 21 篇相关文章
量子生成先验如何革新世界模型？Quantum-JEPA给出答案
Quantum-JEPA提出条件量子玻恩先验，为JEPA世界模型学习多模态未来表征分布。模型在多模态任务和D3IL基准上生成多条避障路线，并在真实QPU上验证推理可行性，兼顾预测质量与参数效率。
谷歌Gemini 4 Argon与量子突破领衔本周AI大事件
本周AI大事：谷歌发布Gemini 4 Argon旗舰模型，单次输出100万token，并在Willow处理器上实现量子纠错突破；Meta推出Muse Wonder与开源权重Muse Spark Open；MOSS Image以Apache 2.0许可开源；Kling 4正式上线。另附Drama 3、Matrix Game 4.0、RP1开源人形机器人等要点。
量子哈密顿嵌入：量子机器学习新框架
量子哈密顿嵌入框架将经典数据集编码为参数化哈密顿量，通过优化近似基态实现分类，具备梯度估计与泛化保证，并在IBM Heron处理器上完成规模化演示。
量子优化新突破：学习QAOA角度，加速组合优化
量子近似优化算法QAOA的性能瓶颈在于变分角度优化。新研究用机器学习模型学习从问题实例到高质量角度的映射，单次前向传播替代经典优化器，速度提升数个数量级，并在量子硬件上验证有效性。
量子电路如何实现任务对齐的谱归纳偏置？
研究揭示参数化量子电路如何通过编码任务定义的谱查询来调制信号频率组合，实现任务对齐的归纳偏置，并在合成孔径雷达分类任务中验证其有效性。
Claude设计量子电路效率提升10倍，STEM Fellows计划新突破
Anthropic的STEM Fellows计划利用Claude Mythos 5根据自然语言指令设计量子电路，效率超越公开最优方案，部分提升达10倍，有望加速量子计算在化学和材料科学的应用。
量子机器学习做内容推荐：参数量仅为BiLSTM的1/379
量子机器学习推荐系统研究：基于QNLP框架将节目简介映射为变分量子电路，参数量仅47k，比BiLSTM少379倍，并在Quantinuum H2量子硬件上验证了相似度信号的可保留性。
量子态在线学习遗憾下界：不确定性与新算法
论文建立量子态在线学习对数损失下的遗憾下界，证明指数权重等算法维度依赖最优，并导出样本最优量子态层析算法与矩阵均值置信序列方法。
大语言模型发现全新量子电路，八项任务七项超越现有最优
研究提出LLM进化框架自动设计量子电路，在数值计算、化学、优化等八项任务中七项超越现有最优，同时降低Toffoli门和量子比特数量，并发现全新的可逆模逆运算架构。
Google 量子计算迎突破：破解魔法态瓶颈
Google 量子计算团队在魔法态制备与蒸馏方向取得新进展，有望打破容错量子计算的关键瓶颈。本文解析魔法态为何重要、技术难点何在，以及这一突破对量子计算时间线和竞争格局的潜在影响。
量子生成模型合成医学图像：癌症检测AUC提升至80.2%
量子生成模型在BUSI乳腺癌超声数据集上生成合成图像，用合成数据训练的CNN分类器AUC-ROC达0.802，超越真实数据基线的0.760。探索量子机器学习在医学图像数据增强中的应用潜力。
QuEra用AI自动锁定激光，为量子计算机稳定性破局
QuEra利用AI实现量子计算机激光自动锁定，取代人工校准。本文解析AI激光锁定技术原理、中性原子架构挑战，以及AI在量子硬件控制中的行业趋势。
Lifting：量子中电路测量的量子态判别新框架
Lifting是一个面向量子中电路测量的量子态判别框架，通过重复编码、神经网络解码与现场校准，提升超导量子处理器上MCM的可靠性。理论证明额外通道不增加贝叶斯风险，并在三台IBM处理器上验证了重复稳定子测量、奇偶校验和隐形传态等工作负载。
风险偏好优化：噪声玻色量子系统态制备的保真度操控新思路
噪声玻色量子系统中态制备面临保真度分布不均问题。该研究引入风险敏感优化中的风险追求目标函数，牺牲平均保真度换取部分纯态不保真度降低达四个数量级，并实现高保真概率与阈值间的可控权衡。
量子分类器的深度与数据量：联合优化为何失效
最新研究复现 Q-FLAIR 自适应量子电路生长机制，在 MNIST 上测试五档训练集规模，发现电路规模与数据量之间无可预测关系，Caro 泛化边界虽有效但预测力极弱（r=0.12），电路深度与训练数据量的联合优化仍是开放问题。
氦-3：从核弹到稀释制冷机，最昂贵物质如何支撑前沿科学
氦-3是地球上最稀缺的资源之一，目前主要来源于核武器中氚的衰变。美国能源部收集这一副产品并出售给科学家，支撑稀释制冷机和量子计算等前沿研究。本文解析氦-3的供应链、稀缺性及未来挑战。
QTestBench：评测大模型生成量子代码测试能力的新框架
QTestBench 是一个评测大语言模型生成量子代码测试能力的新框架，通过独立检查器验证测试的区分能力。实测显示 LLM 生成的量子测试几乎都能运行，但抓 bug 能力明显不足，可执行性严重高估了测试质量。
量子输入空间上Sobolev函数的调和分析与电路逼近
本文解读一项关于量子输入空间上Sobolev函数逼近的研究，通过紧群调和分析、Peter-Weyl分解与Solovay-Kitaev定理，建立分离谱截断误差与量子电路逼近误差的量化速率，为量子机器学习提供理论基础。
