热点事件观察中
从动力学结构因子学习量子哈密顿量
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月12日，arXiv quant-ph 刊发 Nisarga Paul、Thomas Schuster 和 Jason Alicea 的研究，提出从量子磁体的动理学结构因子（DSF）学习哈密顿量的框架。作者证明 DSF 编码了高效重建多类量子哈密顿量所需的充分信息。这是该事件的首篇报道，目前尚无更早的报道可供对照。
AI 根据报道生成 · 1 小时前更新
最新进展11月12日 03:00
Paul、Schuster、Alicea 提出从 DSF 学习哈密顿量的框架，证明其含充分重建信息。报道时间线
沿着报道，了解事件的不同侧面。
11月12日
- arXiv quant-ph（量子信息与量子物理）从动力学结构因子学习量子哈密顿量
Nisarga Paul、Thomas Schuster 和 Jason Alicea 提出从量子磁体的动理学结构因子（DSF）学习哈密顿量的框架，证明 DSF 编码了高效重建多类量子哈密顿量所需的充分信息。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。