arXiv · quant-ph· Koki Chinzei, Quoc Hoan Tran, Norifumi Matsumoto, Yasuhiro Endo, Hirotaka Oshima·· 11 小时前
基于局域性的可证明可扩展量子多体数据学习：GLQK框架
Provably scalable learning from quantum many-body data via locality
arXiv:2509.13705v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Koki Chinzei, Quoc Hoan Tran, Norifumi Matsumoto, Yasuhiro Endo, Hirotaka Oshima
研究任务与主要进展
Koki Chinzei等人提出几何局域量子核（GLQK），利用非临界量子多体数据中相关性的指数衰减，从相关长度尺度的局域量子信息构造特征空间，以提升量子多体数据学习的可扩展性。
阶段、条件与复现 · 深读核对
- AI 解决哪一个明确的量子问题？
- 训练数据、物理约束、误差与分布外检验是什么？
- 相同精度和总资源下，是否优于已有方法？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org