메뉴
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。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/hiyenwong/ai_collection --skill quantum-ml-ground-state-measurement명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
SOC 직업 분류 기준
SKILL.md 표시 중
| 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
