热点事件持续更新
未知解密度下的自适应量子搜索框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026-11-09，King Mongkut's University of Technology Thonburi 团队在 arXiv quant-ph 发布研究，提出一种未知解密度下的自适应量子搜索框架。该框架将 Hill-climbing 辅助的 Grover Adaptive Search 与 Wang-Landau 算法的状态空间密度估计相结合，目标是最小化找到首个解的期望查询次数。目前仅见这一篇报道，尚无后续进展或相关争议。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv quant-ph（量子信息与量子物理）未知解密度下的自适应量子搜索框架：最小化首个解的期望查询次数
King Mongkut’s University of Technology Thonburi 团队提出一种未知解密度下的自适应量子搜索框架，通过 Hill-climbing 辅助的 Grover Adaptive Search 与 Wang-Landau 算法状态空间密度估计相结合，最小化找到首个解的期望查询次数。
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。