热点事件观察中
物理解码器自编码器从输运数据学习量子模拟器哈密顿量
2 篇报道2 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月2日，arXiv 介观与输运板块刊出 Pawłowski 与 Krawczyk 的工作，提出一种可泛化框架，用物理信息神经网络直接从实验数据中识别固态量子系统的有效哈密顿量。该方法采用无监督自编码器架构，把 S 矩阵形式的物理约束嵌入解码器网络，使学到的表示保持物理意义。2026年11月13日，Physical Review B 新刊目录再次报道该工作，称来自 Wrocław University of Science and Technology 的研究者提出同一框架，用无监督自编码器直接从实验数据识别固态量子系统的有效 Hamiltonian，将 S-matrix 形式嵌入解码器。两篇报道内容一致，无矛盾之处。
AI 根据报道生成 · 23 小时前更新
最新进展11月13日 18:00
该工作于11月13日被 Physical Review B 新刊目录收录报道。事件进展
2 个进展
- 11月13日 18:00 · 1 篇报道从实验数据学习固态量子模拟器的 HamiltonianPhysical Review B（新刊目录）：从实验数据学习固态量子模拟器的 Hamiltonian
- 11月2日 13:00 · 1 篇报道用物理解码器自编码器从输运数据学习固态量子模拟器的哈密顿量arXiv cond-mat.mes-hall（介观与输运）：用物理解码器自编码器从输运数据学习固态量子模拟器的哈密顿量
报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- Physical Review B（新刊目录）从实验数据学习固态量子模拟器的 Hamiltonian
Wrocław University of Science and Technology 的研究者提出一个可泛化的框架，用无监督自编码器直接从实验数据识别固态量子系统的有效 Hamiltonian，将 S-matrix 形式嵌入解码器。
11月2日
- arXiv cond-mat.mes-hall（介观与输运）用物理解码器自编码器从输运数据学习固态量子模拟器的哈密顿量
Pawłowski 与 Krawczyk 提出一种可泛化的框架，用物理信息神经网络直接从实验数据中识别固态量子系统的有效哈密顿量。该方法采用无监督自编码器架构，把 S 矩阵形式的物理约束嵌入解码器网络，使学到的表示保持物理意义。
本事件热度走势
当前热度 3·可比范围峰值 6（11月14日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。