Turing mechanisms in a multimode open quantum system
多模开放量子系统中的图灵机制
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究多模开放量子系统中模式形成，结合局部参数驱动等构建模型，通过GKSL主方程分析，利用相空间方法等比较量子与确定性分岔情景，展现图灵不稳定性等可扩展至此，架起多领域间桥梁。
Comments 14 + 4 pages, 13 figures
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 扩散模型 75 篇
Higher-Order Geometric Updates for Levenberg-Marquardt Method via Riemann Normal Coordinates
通过黎曼法坐标对列文伯格-马夸特方法进行高阶几何更新
机构 * University of Science and Technology of China（中国科学技术大学） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hefei National Laboratory（合肥国家实验室）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究针对非线性最小二乘优化问题，提出黎曼法坐标列文伯格-马夸特方法（RNC-LM）。通过重新表述测地线方程扩展校正阶数，构建有限步更新。该方法提高了收敛性和鲁棒性，在多任务中表现出色，如降低误差、加速计算等。
Comments 34 pages, 3 figures
Quantum simulation of real-world nonlinear dynamics via Koopman method
通过库普曼方法对现实世界非线性动力学进行量子模拟
机构 * State Key Laboratory for Turbulence and Complex Systems, School of Mechanics and Engineering Science, Peking University（turbulence and Complex Systems Laboratory, Mechanics and Engineering Science School, Peking University） ； Beijing International Center for Mathematical Research, Peking University ； Institute of Mechanics, State Key Laboratory of Nonlinear Mechanics, Chinese Academy of Sciences（Mechanics Institute, Nonlinear Mechanics State Key Laboratory, Chinese Academy of Sciences） ； Beijing Academy of Quantum Information Sciences
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究针对量子计算机模拟非线性动力学受限于量子演化酉性的问题，提出量子库普曼方法，通过学习库普曼可观测量等实现模拟，在超导处理器上模拟三个系统，揭示性能限制转变，确定量子适用非线性动力学实际边界。
The dynamical origin of the magnetic field distributions in compressible turbulence
可压缩湍流中磁场分布的动力学起源
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究可压缩湍流中密度和磁场强度分布，通过半解析论证，将连续性和感应方程中湍流速度梯度建模为随机过程，积分得对数正态分布，引入间歇性激波出现幂律尾部，揭示其与连续和局部事件共存有关。
Comments A&A submitted, last stages of referee process
A fully one-sided diffuse-interface immersed boundary method for wall-modeled large-eddy simulation
一种用于壁面模型大涡模拟的全单侧扩散界面浸入边界方法
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究针对扩散界面浸入边界方法在壁面模型大涡模拟中存在的问题，开发全单侧扩散界面浸入边界方法，通过特定策略消除跨边界扩散效应，经多方面验证，该方法提高了预测精度，尤其在低参考高度时，且在翼型湍流流动评估中表现良好。
Soft cells, Tubular Tilings and the Hidden Phases in Binary Mixtures
软单元、管状镶嵌与二元混合物中的隐藏相
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究生物和物理中的二元混合物系统，引入管状镶嵌框架，证明其满足全局欧拉平衡定律，可从可观测相和界面几何恢复隐藏相拓扑信息，还表明在\(d>2\)维是软镶嵌子类，通过应用展示该理论作用。
Comments 25 pages, 8 figures
Thermodynamic Limits on Reliable Signaling by Biochemical Traveling Waves
生化行波可靠信号传递的热力学极限
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究生化行波可靠信号传递的热力学极限，建立随机热力学框架，通过投影噪声场动力学得出波位置扩散受传播相关耗散限制，在模型和实验中验证，还对波列可靠信号传递速率施加湮灭限制。
Comments 7 pages, 5 figures in the maintext; 16 pages, 8 figures in the supporting information
From inference to prediction: how machine learning is reconfiguring science
从推理到预测：机器学习如何重构科学（1990-2025）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 通过分析490万篇论文，揭示机器学习从物理科学向健康科学扩散，预测技术取代推理方法，引发两波认知不透明性浪潮。
Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization
基于Feynman Kac重加权薛定谔桥匹配的皮层表面Tau PET标准化
机构 * Stevens Neuroimaging and Informatics Institute, University of Southern California（斯蒂文斯神经影像与信息学研究所，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering of Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering of Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程系，维特比工程学院，南加州大学）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 提出Feynman Kac重加权薛定谔桥匹配（FKRSBM）模型，通过熵正则化最优传输实现源域与目标域间的随机传输，结合子群感知端点提议和球面卷积骨干网络，在Tau PET SUVR图上实现优于现有方法的分布对齐和下游疾病分类。
ML-based approach to classification and generation of structured light propagation in turbulent media
基于机器学习的湍流介质中结构光传播分类与生成方法
机构 * Division of Mathematical Sciences, Nanyang Technological University（南洋理工大学数学科学系） ； Committee on Computational and Applied Mathematics, University of Chicago（芝加哥大学计算与应用数学委员会） ； Departments of Statistics and Mathematics, University of Chicago（芝加哥大学统计学与数学系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出基于机器学习的结构光在湍流中传播的分类与生成方法，利用随机斑点扰动建模传播过程，并通过生成扩散模型增强数据集。
Journal ref Journal of the Optical Society of America A (2026)
A unifying approach to diffusive transport in annealed heterogeneous media
对异质介质中扩散传输的一种统一方法
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出随机调制高斯过程作为统一框架，用于建模和分析异质介质中异常扩散模型，涵盖连续时间随机游走和分数布朗运动等模型，并提供实验验证的统计特性。
Comments 29 pages, 2 figures
Inverse $t$-source problem and a strict positivity property for coupled subdiffusion systems
逆 $t$-源问题及耦合亚扩散系统的严格正性性质
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了耦合亚扩散系统中通过单点观测确定时间源的反问题，提出了一种迭代正则化集合卡尔曼方法，证明了严格正性及唯一性，并展示了方法的鲁棒性和可扩展性。
Comments 33 pages, 9 pages
Exact determinant formulas for coalescing particle systems
共聚粒子系统的精确行列式公式
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出通过引入幽灵粒子的方法，解决共聚粒子系统的精确行列式计算问题，适用于多种扩散模型。
Comments 56 pages, 16 figures. v3: Ákos Urbán added as author; substantially revised (intrinsic tournament definition of the sign, rewritten performance-casting bijection, explicit construction of the finite coalescing system); discrete results formalized in Lean 4, archived with a Python reference implementation and an extended version at https://doi.org/10.5281/zenodo.21037519
Parametric and Generative Forecasts of EPEX Day\char45 Ahead Energy Market Curves
EPEX日前能源市场曲线的参数化和生成式预测
机构 * New York University Abu Dhabi（纽约大学阿布扎克分校） ； CREST, ENSAE, Institut Polytechnique de Paris（CREST、ENSAE、巴黎理工学院）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究EPEX日前能源市场曲线预测，提出参数化和生成式两种方法，参数方法用极端梯度提升，生成方法用条件去噪扩散概率模型，通过曲线重建和存储优化问题评估，生成式方法在存储应用中有更好表现。
Comments 40 pages, 30 figures
The quasi-normal modes of relativistic Fokker-Planck kinetic theory
相对论性福克 - 普朗克动力学理论的准正则模
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究利用福克 - 普朗克算子与薛定谔哈密顿量的酉等价性计算超相对论动力学理论的准正则模谱，分析碰撞算子在不同维度的简化形式及有限空间波数影响，揭示流体动力学模式和非流体动力学扇区的特性。
Comments 12 pages, 3 figures, publised in PRD (see https://journals.aps.org/prd/abstract/10.1103/6vfx-8kmm)
Journal ref Phys. Rev. D 114, 014018 (8 July, 2026)
Quantum-Enhanced Generative Models for Rare Event Prediction
量子增强生成模型用于罕见事件预测
机构 * Department of Software Engineering(ÉTS), Université du Québec（魁北克大学软件工程系） ； Department Of Computational Sciences,The University of Faisalabad（费萨利班大学计算科学系） ； Department of Computer Science, SZABIST University（SZABIST大学计算机科学系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 量子增强生成模型通过结合经典和量子方法，有效提升罕见事件预测的鲁棒性和准确性。
Comments IEEE Conference COMCOMAP 2025
Journal ref IEEE Conference COMCOMAP 2025
A Digital Twin Framework for Metamorphic Testing of Autonomous Driving Systems Using Generative Model
面向自动驾驶系统元形测试的数字孪生框架：基于生成模型
机构 * School of Electrical Engineering and Computer Science（电气工程与计算机科学学院） ； reasonX Labs Inc.（reasonX实验室）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出一种基于生成模型的数字孪生框架，用于自动驾驶系统的元形测试，通过生成多样化驾驶场景提升测试覆盖率和有效性。
Analyses of the contour integral method for time fractional subdiffusion-normal transport equation
时间分数亚扩散-正常传输方程的轮廓积分法分析
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种高精度的数值方法，用于求解时间分数亚扩散-正常传输方程，通过参数化双曲轮廓积分法和重心Lagrange插值，实现了谱精度的时间解和最优空间收敛性。
Comments 34 pages,4 figures, 12 tables
Journal ref J Sci Comput 97, 45 (2023)
Self gravity decoheres quantum systems
自引力使量子系统退相干
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究自引力对含量子相干大质量静态粒子量子态的影响，用线性化量子引力获粒子自相互作用动力学，发现其状态有效演化可视为特定量子通道，明确质量与大小关系，解释了不同系统量子与经典行为观测差异。
Comments 5 pages and 26 pages of supplementary material. 10 figures
2. 可控生成 3 篇
MIMFlow: Integrating Masked Image Modeling with Normalizing Flows for End-to-End Image Generation
MIMFlow：将掩码图像建模与归一化流集成用于端到端图像生成
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Alibaba Group（阿里巴巴集团） ； Shanghai AI Lab（上海人工智能实验室）
专题命中 可控生成 ：image generation(title)；分类 cs.CV
AI总结 提出MIMFlow框架，通过VAE编码器从掩码图像推断语义潜在变量，使归一化流专注于低频语义流形，解码器处理高频合成，解决NF容量瓶颈，在ImageNet 256×256上达到71.3%线性探测精度和2.50 FID。
Comments Accepted by ECCV 2026
Geometric Collapse: When Vision Models Fail to Verify Physical Causality
几何崩溃：视觉模型何时无法验证物理因果关系
机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； The Chinese University of Hong Kong（香港中文大学） ； AgentecFusion Limited（AgentecFusion有限公司） ； School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 研究视觉模型在验证物理因果关系时的问题，提出“Scrambled Edges”方法，通过特定控制分离无支撑边缘证据影响，实验表明该方法使预测偏差增大，几何崩溃全局传播，为改进模型物理合理性提供依据。
Comments ICML 2026
Circuit Depth Reduction of One-Ancilla Quantum Differential Equation Solver via Extrapolation
通过外推法降低单辅助量子微分方程求解器的电路深度
专题命中 可控生成 ：diffusion(abstract)
AI总结 研究如何降低单辅助量子微分方程求解器的电路深度，通过结合求解器与经典步长后处理，在对数数量的有限时间步长上运行求解器并利用经典后处理消除误差，将最大单次运行电路深度降至\(O(\mathrm{polylog}(1/\epsilon))\)，数值实验验证了方法有效性。
3. 图像修复 1 篇
Flow-PIN: A Two-Stage Power-Flow-Guided Method for System-Wide Multivariate Profile Inpainting in Distribution Networks
Flow-PIN：一种用于配电网全系统多变量剖面修复的两阶段潮流引导方法
专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)
AI总结 针对配电网数据缺失恢复问题，提出两阶段物理引导框架Flow-PIN。第一阶段用条件流匹配模型结合物理惩罚生成候选值，第二阶段用拓扑感知潮流引导细化器校正偏差，实现了高精度、捕捉波动及保留相关性的多变量剖面修复。
4. 个性化与一致性 2 篇
Stage-Aware Adaptation and Distribution Calibration for Subject-Driven Personalized Text-to-Image Generation
用于主题驱动的个性化文本到图像生成的阶段感知适应与分布校准
机构 * School of Computer Science, Guangdong University of Technology（广东工业大学计算机学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； ManXis（未知）
专题命中 个性化与一致性 ：image generation(title,abstract)；text-to-image(title,abstract)；diffusion(abstract)；personalized generation(abstract)
AI总结 研究主题驱动的个性化文本到图像生成问题，提出将其分解为训练端的 SPaRa 和推理端的 DCAL 两个互补组件的框架 SPaRa-DCAL，通过理论分析和实验表明该框架能提升相关指标，并指出应综合多方面评估个性化生成。
Comments 16 pages, 4 figures, 6 tables
Generating Personalized Lower-Limb Kinematics Across Walking Speeds Using Subject-Conditioned Diffusion
使用受主体条件约束的扩散生成跨步行速度的个性化下肢运动学
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 个性化与一致性 ：diffusion(title,abstract)
AI总结 研究针对个性化外骨骼辅助需特定用户步态数据收集难的问题，提出受主体条件约束的残差扩散框架，能从单一已知速度步态序列生成未知速度下的个性化下肢运动学，减少数据收集负担，提升跨速度步态合成精度。
Comments 8 pages, 7 figures
5. 图像生成评测 2 篇
D2PO: Optimizing Diffusion Samplers via Dynamic Preference
D2PO：通过动态偏好优化扩散采样器
机构 * Seoul National University（首尔国立大学） ； Ulsan National Institute of Science and Technology（蔚山国立科学技术院）
专题命中 图像生成评测 ：diffusion(title,abstract)
AI总结 研究针对现有框架局限，提出D2PO框架优化扩散采样策略。核心方法是将其转化为基于偏好的对齐问题，利用DPO框架并建模为能量模型，引入新能量公式和动态偏好。主要贡献是使采样器与感知质量更忠实对齐，性能优于传统调度器。
Comments Accepted to ECCV 2026
Unified Removal of Raindrops and Reflections: A New Benchmark and A Novel Pipeline
统一去除雨滴和反射：一个新的基准和一个新流程
机构 * School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院） ； Huanjiang Laboratory（浣江实验室） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出统一去除雨滴和反射的任务，并构建了新的基准数据集，同时提出基于扩散的新型框架DiffUR³，有效去除两种退化，实验表明在基准和真实场景中表现优异。
Comments Accepted by ECCV 2026
6. 效率与蒸馏 5 篇
Fast determinantal sampling on general spaces and diffusion geometry
一般空间上的快速行列式采样与扩散几何
机构 * National University of Singapore（国立新加坡大学）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 研究在一般空间（如黎曼流形和加权网络）上的行列式采样，基于谱核建立明确速率保证，实现与可比维度欧几里得空间已知速率匹配，借助韦尔定律及马尔可夫扩散等理论工具。
Comments Preliminary version - to be updated
Dynamic-in-Few-Step: Unifying Dynamic Computation and Few-Step Distillation for Efficient Video Generation
动态少步长：统一动态计算与少步长蒸馏以实现高效视频生成
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； BlueImage, vivo（蓝城图像，维沃） ； Xian Jiaotong-Liverpool University（西交利物浦大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 针对视频扩散模型计算成本高问题，提出将动态结构稀疏化融入蒸馏过程的加速框架，联合优化去噪步骤与模型稀疏性，引入相关策略和机制确保训练稳定，开发推理引擎，有效提升效率且保持生成质量。
Allo{SR}$^2$: Rectifying One-Step Super-Resolution to Stay Real via Allomorphic Generative Flows
Allo{SR}$^2$: 通过全形生成流纠正一步超分辨率以保持真实
机构 * East China Normal University Huawei Noah's Ark Lab（华东师范大学华为诺亚实验室）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出Allo{SR}$^2$，通过全形生成流纠正一步超分辨率轨迹，以维持高保真生成现实。方法利用SNR引导轨迹初始化和FATC确保稳定路径，同时通过ATM策略减少分布差异，实验证明其在真实世界超分辨率中表现优异。
Comments Accepted to ECCV 2026
