メニュー
基于SIC-POVM测量空间的量子基态变分学习方法。使用自回归神经网络（GRU）编码SIC-POVM测量结果的概率分布，通过梯度下降最小化能量并强制物理性约束（正性层级条件）。适用于量子多体基态求解、变分量子态制备。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/hiyenwong/ai_collection --skill quantum-ml-ground-state-measurementコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
| name | quantum-ml-ground-state-measurement |
| description | 基于SIC-POVM测量空间的量子基态变分学习方法。使用自回归神经网络（GRU）编码SIC-POVM测量结果的概率分布，通过梯度下降最小化能量并强制物理性约束（正性层级条件）。适用于量子多体基态求解、变分量子态制备。 |
基于SIC-POVM测量空间的量子基态变分学习方法。使用自回归神经网络（GRU）编码对称信息完备正算子值测量（SIC-POVM）结果的概率分布，通过梯度下降最小化能量并强制物理性约束。在横场Ising模型和海森堡模型上验证（系统大小达L=128）。
SIC-POVM测量空间表示：将量子态表示为SIC-POVM测量结果的概率分布
自回归神经网络编码：基于GRU的网络参数化概率分布
物理性约束强制：层级正性条件确保测量分布对应物理量子态
基准验证：一维横场Ising模型和海森堡模型，系统大小达L=128
quantum ground state, SIC-POVM, variational learning, autoregressive neural network, GRU, measurement space
SOC 職業分類に基づく
