10万个方程才能解决的量子问题被AI压缩成只需四个，不牺牲准确率
相互作用的电子在不同能量和温度下表现出多样的独特现象，假如我们对其周围环境进行改变，它们又会出现新的集体行为，例如自旋、配对波动等，然而处理电子之间的这些现象还存在很多困难。很多研究者使用重整化群（RenormalizationGroup,RG）来解决。在高维数据背景下，机器学习(ML)技术和数据驱动方法的出现在量子物理中引发了研究者巨大的兴趣，到目前为止，ML思想已被用于电子系统的相互作用。本文中，来自博洛尼亚大学等机构的物理学家利用人工智能，将一个迄今为止需要10万个方程的量子问题，压缩
相互作用的电子在不同能量和温度下表现出多样的独特现象，假如我们对其周围环境进行改变，它们又会出现新的集体行为，例如自旋、配对波动等，然而处理电子之间的这些现象还存在很多困难。很多研究者使用重整化群（Renormalization Group, RG）来解决。
在高维数据背景下，机器学习 (ML) 技术和数据驱动方法的出现在量子物理中引发了研究者巨大的兴趣，到目前为止，ML 思想已被用于电子系统的相互作用。
本文中，来自博洛尼亚大学等机构的物理学家利用人工智能，将一个迄今为止需要 10 万个方程的量子问题，压缩为一个只需 4 个方程的小任务，而所有这些都在不牺牲准确率的情况下完成，这项研究于近日发表在《物理评论快报》上。
论文地址：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.136402
该研究的第一作者、博洛尼亚大学助理教授 Domenico Di Sante 表示：我们将这个浩大的工程耦合在一起，之后使用机器学习浓缩成一个手指都能数得过来的任务。
这项研究涉及这一问题，即电子在网格状晶格上运动时动作是怎样的。根据已有的经验，当两个电子占据同一晶格点阵时，它们就会产生相互作用。这一现象可以称为 Hubbard 模型，其是有些材料的理想化设置，基于此，科学家能够了解电子行为如何产生物质相，例如超导性，电子在没有阻力的情况下流过材料。在将新方法应用于更复杂的量子系统之前，该模型还可以作为新方法的试验场。
二维 Hubbard 模型示意图
Hubbard 模型看似简单，但即使是使用尖端计算方法处理少量的电子，也需要强大的算力。这是因为当电子相互作用时，电子之间就变成了量子力学纠缠问题：即使电子所处晶格的位置相距很远，也不能单独处理这两个电子，所以物理学家必须同时处理所有电子，而不是每次只处理一个电子。电子越多，量子力学纠缠就会越多，计算难度就会成倍增加。
研究量子系统的一个常用方法是重整化群。作为一种数学装置，物理学家用它来观察一个系统的行为，比如可以用来观察 Hubbard 模型。遗憾的是，一个重整化群记录了电子之间所有可能的耦合，这些耦合可能包含成千上万、数十万甚至数百万个需要求解的独立方程。最重要的是，方程很复杂：每个方程都代表一对相互作用的电子。
Di Sante 团队想知道他们是否可以使用一种称为神经网络的机器学习工具来使重整化群更易于管理。
就神经网络而言，首先，研究者使用机器学习程序对全尺寸重整化群建立连接；然后神经网络调整这些连接的强度，直到它找到一个小的方程集，生成与原始的、超大的重整化群相同的解。最后得出四个方程，即使只有四个，该程序的输出也捕捉到了 Hubbard 模型的物理性质。
Di Sante 表示：「神经网络本质上是一台能够发现隐藏模式的机器，这一结果超出了我们的预期。」
训练机器学习程序需要大量的算力，因而他们花费了数周的时间才完成。好消息是，现在他们的程序已经开始投入使用，稍微调整就能解决其他问题，而无需从头开始。
在谈到之后的研究方向时，Di Sante 表示需要验证新方法在更复杂的量子系统上的效果如何。此外，Di Sante 还表示，在关于重整化群的其他领域中使用该技术也有很大的可能性，例如宇宙学和神经科学。
论文概述
针对描述了正方形晶体上广泛研究的二维 t-t' Hubbard 模型的功能重整化群（fRG）流特征的尺度相关四顶点函数，研究者执行了数据驱动降维。他们证明在低维潜在空间中基于神经常微分方程（NODE）求解器的一个深度学习架构能够高效学习描述 Hubbard 模型各种磁性和 d-wave 超导状态的 fRG 动力学。
研究者进一步提出了动态模式分解分析，它能够确认少数模式确实足以捕获 fRG 动力学。研究证明了使用人工智能提取相关电子四顶点函数的紧凑表示的可能性，这是成功实现尖端量子场理论方法并解决多电子问题的最重要目标。
fRG 中的基本对象是顶点函数 V（k_1, k_2, k_3），在原则上需要计算和存储三个连续动量变量组成的一个函数。通过研究特定的理论模式，二维
Hubbard 模型认为这与 cuprates 以及广泛的有机导体相关。研究者表明，较低的维数表示可以捕获高维顶点函数的 fRG 流。
Hubbard 模型的 fRG 接地状态。研究者考虑的微观哈密顿量（Hamiltonian）如下公式（1）所示。
Hubbard 模型的 2 粒子特性通过温度流的一环（one-loop）fRG 方案进行研究，其中
的 RG 流如下公式（2）所示。
下图 1 a)为 2 粒子顶点函数 V^Λ的一环 fRG 流方程图解表示。
接下来看深度学习 fRG。如下图 2 b)所示，通过在 fRG 流趋向强耦合以及一环近似分解之前检查 2 粒子顶点函数的
耦合， 研究者认识到它们中的很多要么保持边缘状态要么在 RG 流下变得不相关。
研究者在基于适合当前高维问题的参数化 NODE 架构实现灵活的降维方案，该方法如下图 2 a）所示，重点关注深度神经网络。
下图 3 展示了在潜在空间的 fRG 动力学过程中，三个统计上高度相关的潜在空间表示 z 作为 NODE 神经网络的学得特征。
更多细节内容请参阅原论文。
未来产业的最终落脚点是“人”，不仅推动技术升级，更回应深层需求。脑机接口助患者康复，生物制造产出新药，量子测量保障出行安全，皆诠释“人是目的”这一理念。发展未来产业是拓宽认知边界、向更高自由迈进的过程。
北京时间2026年8月12日晚，复旦大学物理学系张远波教授团队联合合作者在《自然》（Nature）发表题为“Superconducting 2D cuprate with a single CuO₂ plane”的研究成果，首次将铜基高温超导体压缩到只剩一个超导平面，也就是单个CuO₂面。这次近乎“
中科量枢成立4个月完成两轮融资，团队源自中科院计算所，具备二十余年量子计算理论与算法研究经验。公司打造“天枢”操作系统、“天璇”编译平台及“天玑”算法库，构建全栈式软件生态，与中石油勘探院合作推动量子计算在油气勘探等领域的应用落地。
国内首款一体化抗量子机密计算平台发布，由问天量子与海光信息联合推出，首次打通量子密码与国产硬件机密计算，实现后量子时代算力底层安全纯国产方案，标志抗量子密码从标准储备进入规模化商用新阶段。
来源：科技日报 科技日报记者 张佳欣 二维纳米转子首次冷却至量子基态 在宏观世界里，微小的颗粒总是“闲不住”，由于热能的驱动，它们会不停地振动和旋转。想要让它停下来？最直接的想法就是降温。但这事儿到了量子尺度，可就没那么简单了。经典物理认为持续冷却能让粒子最终静止，但量子力学却告诉我们一个反直觉的事
行业专家RossYoung透露，最新款的M4MacBookPro采用了量子点显示技术。苹果此次采用的技术创新在于，使用量子点薄膜替代了以往的红色KSF荧光膜，这一改变显著提升了色彩的鲜艳度和准确性。Young指出，苹果在先前的MacBookPro系列中选择KSF荧光膜，是因为它不含镉元素（这是量子点技术常用的成分），且效率更高、成本更低。早在2015年，苹果首次推出RetinaMacBookPro时，就考虑过采用量子点技术，但由于镉元素的顾虑而放弃。如今，随着无镉量子点技术的出现，Young表示这些新技术
本站1月3日消息，百度拟将量子实验室及可移交的量子实验仪器设备等捐赠予北京量子信息科学研究院，目前双方正在推进具体细节。2018年，百度宣布成立了量子计算研究所，旨在开展量子计算软件和信息技术应用业务的研究工作。为了加强该领域的研究，百度聘请了悉尼科技大学量子软件和信息中心的创办主任段润尧教授担任百度量子计算研究所所长，并直接向百度总裁张亚勤汇报工作进展。2022年8月，百度发布了名为“乾始”的产业级超导量子计算机，此举被誉为全球首个提供全平台软硬件解决方案的里程碑。2023年9月，百度发布了两款AI原生
戈登贝尔奖（ACMGordonBellPrize）设立于1987年，由美国计算机学会颁发，被称为超算界的「诺贝尔奖」。该奖项每年颁发一次，用以表彰高性能计算领域取得的杰出成就。奖金1万美元，由高性能和并行计算领域先驱戈登·贝尔提供。近日，在全球超级计算大会SC23上，2023年ACM戈登贝尔奖授予了美国和印度研究人员组成的8人国际团队，他们实现了大规模量子精度的材料模拟。相关项目名称为「量子精度的大规模材料建模：金属合金中准晶体和相互作用扩展缺陷的从头计算模拟」。团队成员的背景各不相同，他们分别来自密歇根
大家都已经使用机器学习了，尤其是基于神经网络的深度学习，chatGPT甚嚣尘上，还需要深入理解微分方程么？不论答案是啥，都会涉及到二者的对比，那么，机器学习与微分方程的区别又是什么呢？从爱情模型的微分方程说起这两个方程预测了夫妻恋爱关系的长久性，基于心理学家JohnGottman的开创性工作，该模型预测持续的积极情绪是婚姻成功的有力因素。关于模型的更多解读，可以参考《幸福的婚姻》一书，作者还给出了维护婚姻幸福的7个法则：完善你的爱情地图培养你对配偶的喜爱和赞美彼此靠近而不是远离让配偶影响你的决定以温
量子纠缠（quantumentanglement）是指粒子之间发生的一种特殊耦合现象。在纠缠态下，我们无法单独描述各个粒子的性质，只能描述整体系统的性质的现象，这种影响不随距离的改变而消失，哪怕粒子之间相隔整个宇宙也不会变。一项新的研究表明，使用量子纠缠机制，传感器可以在检测运动时更加准确且更快。科学家们认为，这些发现可能有助于发展不依赖GPS的导航系统。在美国亚利桑那大学等机构在《NaturePhotonics》提交的一项新研究中，研究人员对光机械传感器（optomechanicalsensor）进行了
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
