arXiv quant-ph· Shao-Bo Zhou, Yu-Ze Zhu, Hang Song, Xiang Zhao, Lin Yang, Xian-Min Jin·· 2 小时前AI 评分33
面向混沌流体动力学的条件量子先验
Conditional Quantum Priors for Chaotic Fluid Dynamics
AI 导读
研究人员提出面向混沌流体动力学的条件量子先验，无需重新训练即可近似未见系统参数下的统计特性，为经典神经网络提供约束。在 Lorenz-63 系统中，该先验在 96 个未见参数下的平均 JS 散度较经典 MLP 降低 56.9%，权重使用量减少 84.7%。在 Re=1000 的 Kolmogorov 流 318 步预测中均方误差降低 66.0%，且已在 NISQ 光量子硬件上验证。
来源：arXiv quant-ph · arxiv.org