量子科技

量子/量子化学

将制造约束的SPSA-Adam优化器直接耦合至全波有限元本征模仿真，实现量子系统频谱协同设计，无需解析或伴随梯度即可优化多频里德伯电测硬件。

量子/化学

提出隐私保护的量子-经典混合计算框架，将参数化量子电路与传统组件结合，应用于化学模拟等量子计算代理场景。

量子/化学

针对量子多体物理和ab initio量子化学中神经网络变分优化的弱梯度训练失效问题，提出无偏直接梯度估计器和自适应最小方差相位（AMVP）估计器，提升可训练性。

Materials

首个完整机器学习方法用于加速PAW框架下的平面波密度泛函理论计算，提出神经电子初始化器需满足的七个准则，补充了原有方法缺失的占据数增强和自旋初始化两个结构依赖组件。

量子/化学

提出物理信息驱动的双态查询学习框架，解决GPCR配体生物活性预测中动态构象平衡被忽视的问题，提升功能效能区分能力。

量子/化学

提出有限状态自动机编码递归结构晶格几何，实现紧束缚哈密顿量矩阵乘积算子的精确构造，涵盖分形、准晶与双曲晶格。

量子/化学

提出概率物理信息神经网络框架，结合WaveNet和ParamNet实现从稀疏光谱数据中恢复原子核Woods-Saxon势参数的正反问题求解。

材料

混合量子神经网络从一维粉末衍射图谱直接提取相权重分数等定量参数，无需迭代精炼，适用于复杂多相材料与噪声测量场景。

量子/化学

基于物理信息神经网络求解少周期激光脉冲中电子自旋动力学，导出静止电子在CEP稳定线性极化平面波脉冲中极化角与即时矢势的解析关系。

电磁/Electromagnetics

提出神经模态分解（NMD）方法，将多端口系统响应矩阵分解为极点-留数形式，服务于RF腔体、光子器件等电磁系统的神经网络建模。

量子/化学

提出iCRNN框架，从时间序列浓度数据中无先验假设地发掘化学反应网络结构与动力学参数，兼顾可解释性与计算效率。

量子/化学

提出MARC-TS两阶段框架，通过端点条件化连续路径学习实现任意分辨率的过渡态查询与局部上下文细化，并发布T1x-IRC-8K数据集（8209反应、108万路径几何）。

电磁/Electromagnetics

提出一种通过频域整形高斯白噪声生成随机轴子波形的通用方法，用于微波腔谐振器暗物质探测器的端到端校准与分析流程验证。