Cornell University（康奈尔大学）

Sparse-to-Field Reconstruction via Stochastic Neural Dynamic Mode Decomposition

通过随机神经动态模式分解实现稀疏到场的重建

Yujin Kim, Sarah Dean

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文提出随机NODE-DMD方法，通过建模连续时间非线性动态实现稀疏到场的重建，并量化预测不确定性，提升科学机器学习中动态系统建模的准确性与可靠性。

Quantum Boltzmann machine learning of ground-state energies

量子波兹曼机学习基态能量

Dhrumil Patel, Daniel Koch, Saahil Patel, Mark M. Wilde

机构 * Department of Computer Science, Cornell University, Ithaca, New York 14850, USA（计算机科学系，康奈尔大学，Ithaca，纽约14850，美国） ； Air Force Research Lab, Information Directorate, Rome, New York 13441, USA（空军研究实验室，信息 Directorate，Rome，纽约13441，美国） ； School of Electrical and Computer Engineering, Cornell University, Ithaca, New York 14850, USA（电气与计算机工程系，康奈尔大学，Ithaca，纽约14850，美国） 纠错

AI总结 本文提出了一种基于量子波兹曼机的混合算法，用于高效估计哈密顿量的基态能量，避免 barren-plateau 问题，并证明其收敛性。

Comments v3: 8 pages of main text, 31 pages of supplementary material, 5 figures