图像生成

Learning and Generating Mixed States Prepared by Shallow Channel Circuits

通过浅层通道电路学习和生成混合态

Fangjun Hu, Christian Kokail, Milan Kornjača, Pedro L. S. Lopes, Weiyuan Gong, Sheng-Tao Wang, Xun Gao, Stefan Ostermann

机构 * QuEra Computing Inc.（QuEra计算公司） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过浅层通道电路生成混合态的学习问题，证明在特定相态下，仅通过测量数据即可高效学习生成混合态，为量子生成模型提供结构基础。

Comments 44 pages, 14 figures, 1 table

SP-GCRL: Influence Maximization on Incomplete Social Graphs

SP-GCRL：在不完整社交图上的影响力最大化

Haohua Niu, Yuxuan Yang, Lingfeng Zhang, Hao Li, Jiao Liang, Zongfu Luo, Luca Rossi

机构 * School of Systems Science and Engineering（系统科学与工程学院） ； Sun Yat-sen University（中山大学） ； Jiangxi University of Finance and Economics（江西财经大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Anhui University of Science and Technology（安徽理工大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出SP-GCRL框架，通过社交传播感知的图对比强化学习实现端到端的种子选择，解决了不完整社交图和非平稳扩散动态带来的挑战，提升了效率和可扩展性。

Comments Accepted by DASFAA 2026. The first two authors contributed equally

A Generalized Sinkhorn Algorithm for Mean-Field Schrödinger Bridge

平均场薛定谔桥的广义Sinkhorn算法

Asmaa Eldesoukey, Yongxin Chen, Abhishek Halder

机构 * Department of Aerospace Engineering, Iowa State University（爱荷华州立大学航空航天工程系） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对平均场薛定谔桥问题，提出广义Hopf-Cole变换并设计Sinkhorn型递归算法求解积分-偏微分方程组，在弱假设下证明收敛性，数值实验验证有效性。

Thermodynamic constraints and future singularities in Unimodular Gravity driven by phantom and non-phantom fluids

由幻影和非幻影流体驱动的单模引力中的热力学约束与未来奇点

Norman Cruz, Samuel Lepe, Guillermo Palma, Miguel Cruz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 在单模引力框架下，通过能量扩散函数Q引入非守恒，研究平直FLRW宇宙中未来奇点，发现扩散可在非幻影流体中诱导有效幻影行为，产生Big Rip奇点。

Comments Improved version, 13 pages, no figures

Asymptotic numerical hypocoercivity of the space-time discontinuous Galerkin method for the Kolmogorov equation

Kolmogorov方程时空间断Galerkin方法的渐近数值hypocoercivity

Zhaonan Dong, Emmanuil H. Georgoulis, Philip J. Herbert

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究标准时空间断Galerkin方法离散Kolmogorov方程时，证明该方法在离散水平上具有渐近hypocoercivity性质，并通过修正内积范数族建立inf-sup稳定性，首次为一般Galerkin格式获得此类结果。

Single-View Holographic Volumetric 3D Printing with Coupled Differentiable Wave-Optical and Photochemical Optimization

单视角全息体积3D打印：耦合可微波动光学与光化学优化

Felix Wechsler, Riccardo Rizzo, Christophe Moser

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出单视角全息体积增材制造（SHVAM），通过耦合可微波动光学模型和光化学模型优化全息序列，实现微米级分辨率3D打印，在秒级时间内制造出特征尺寸约10微米的结构。

On Surjectivity of Neural Networks: Can you elicit any behavior from your model?

论神经网络的满射性：你能从模型中诱导出任何行为吗？

Haozhe Jiang, Nika Haghtalab

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文证明现代神经网络架构（如预层归一化和线性注意力模块）几乎总是满射，意味着任何输出（包括有害内容）原则上都可生成，揭示了模型在对抗攻击下的固有脆弱性。

Comments Blog: https://astro-eric.github.io/blogs/surjective/

Geometry-Preserving Encoder/Decoder in Latent Generative Models

潜在生成模型中的几何保持编码器/解码器

Wonjun Lee, Riley C. W. O'Neill, Dongmian Zou, Jeff Calder, Gilad Lerman

机构 * Department of Mathematics, The Ohio State University（俄亥俄州立大学数学系） ； Department of Mathematics, University of Minnesota（明尼苏达大学数学系） ； Zu Chongzhi Center for Mathematics and Computational Sciences, Duke Kunshan University（杜克-昆山大学仲长奇中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种新型几何保持编码器/解码器框架，通过保留数据分布的几何结构，在潜在扩散模型中实现更高效的训练和更快的收敛。

Comments 50 pages

WAM-Nav: Asymmetric Latent World-Action Modeling for Unified Visual Navigation

WAM-Nav：面向统一视觉导航的非对称潜在世界-动作建模

Ning Yang, Yan Huang, Kaiwen Peng, Ziheng He, Kai Wang, Cui Miao, Kailin Lyu, Guo Li, Xiaofeng Wang, Zheng Zhu, Jing Liu, Nianfeng Liu

机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； FiveAges ； National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学） ； GigaAI 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出WAM-Nav，一种联合学习动作生成与潜在视觉预测的非对称扩散Transformer模型，通过共享扩散Transformer实现长时程动作与短时程视觉预测的联合扩散，并引入双流上下文条件机制和目标对齐模块，在统一策略下支持图像目标、点目标和无目标导航，在ClutterScenes和InternScenes基准上分别提升15.7%和3.3%的成功率，并在真实环境中实现85%的任务成功率。

Raon-OpenTTS: Open Models and Data for Robust Text-to-Speech

Raon-OpenTTS: 开放模型与数据用于鲁棒的文本到语音

Semin Kim, Seungjun Chung, Taehong Moon, Sangheon Lee, Minyoung Ahn, Keon Lee, Nam Soo Kim, Jaewoong Cho, Ludwig Schmidt, Kangwook Lee, Dongmin Park

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Raon-OpenTTS开放模型和Raon-OpenTTS-Pool大规模开放数据集，通过模型过滤流程生成高质量子集，并训练了基于扩散变压器（DiT）的TTS模型，在多个基准测试中表现出色，同时引入Raon-OpenTTS-Eval评估鲁棒性。

A Unified Critical Scaling Theory for Macroscopic Lightning and Quantum Avalanches: From Three-Dimensional Directed Percolation to Testable Predictions

宏观雷电与量子雪崩的统一临界标度理论：从三维定向渗透到可检验的预测

Zhe Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过建立三维反应扩散-对流方程，揭示雷电与量子雪崩属于同一临界 universality class，提出量子相位信息与宏观雷电通道几何的对应关系，并提出七项可检验预测。

Smoothness Errors in Dynamics Models and How to Avoid Them

动力学模型中的平滑误差及如何避免

Edward Berman, Luisa Li, Jung Yeon Park, Robin Walters

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了不同GNN在动力学建模中的平滑效应，证明了单位ary卷积对这类任务有害，并提出放松的单位ary卷积以平衡平滑性保留与物理系统需求。

Comments Ecstatic to share relaxed unitary mesh convolutions with the community :D! This version contains the camera ready for ICML 2026. Send me an email with your thoughts! I love getting mail :^)

Lost in Translation: Simulation-Informed Bayesian Inference Improves Understanding of Molecular Motion From Neutron Scattering

迷失在翻译中：基于模拟的贝叶斯推断改进了从中子散射中分子运动的理解

Harry Richardson, Kit McColl, Gøran Nilsen, Jeff Armstrong, Andrew R. McCluskey

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过整合分子动力学模拟、物理推导的Q依赖散射模型、贝叶斯模型判别和极化分析，首次揭示了液苯中各向异性旋转运动，改进了分子运动的理解。

Conditional Score-Based Modeling of Effective Langevin Dynamics

基于条件分数的有效朗之万动力学建模

Ludovico T. Giorgini

机构 * Department of Mathematics, Massachusetts Institute of Technology（数学系，麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于有限时间转移密度条件分数的随机降阶模型校准方法，通过最小二乘拟合从数据中推断漂移和扩散系数，避免轨迹微分或状态空间划分。

Understanding Latent Diffusability via Fisher Geometry

通过Fisher几何理解潜在可扩散性

Jing Gu, Morteza Mardani, Wonjun Lee, Dongmian Zou, Gilad Lerman

机构 * School of Mathematics, University of Minnesota（明尼苏达大学数学系） ； NVIDIA（NVIDIA公司） ； Department of Mathematics, The Ohio State University（俄亥俄州立大学数学系） ； Zu Chongzhi Center and DIRC, Duke Kunshan University（杜克-昆山大学祖冲之中心和DIRC） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过Fisher信息与Fisher信息率分解MMSE变化率，量化潜在空间可扩散性，并导出保持扩散稳定性的理论条件。

Achieving double-logarithmic precision dependence in optimization-based quantum unstructured search

在基于优化的量子无结构搜索中实现双对数精度依赖

Zhijian Lai, Dong An, Jiang Hu, Zaiwen Wen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出黎曼修正牛顿法求解量子搜索问题，利用梯度与Hessian特征向量关系，实现复杂度O(√(N/M)+loglog(1/ε))的双对数精度依赖，且保持Grover兼容性。

Comments 15 pages, 5 figures

Score-Based Modeling of Effective Langevin Dynamics

基于分数的有效朗之万动力学建模

Ludovico Theo Giorgini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种从平稳时间序列学习有效朗之万方程的框架，通过分数函数参数化漂移项并利用去噪分数匹配学习，保证稳态密度并满足短时相关性约束。

CADO: From Imitation to Cost Minimization for Heatmap-based Solvers in Combinatorial Optimization

CADO：从模仿到成本最小化的组合优化热力图求解器

Hyungseok Song, Deunsol Yoon, Kanghoon Lee, Han-Seul Jeong, Soonyoung Lee, Woohyung Lim

机构 * LG AI Research（LG人工智能研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对热力图求解器监督训练中模仿损失与成本最小化的目标不匹配问题，提出CADO框架，通过强化学习微调直接优化解码后解的成本，在多个基准上取得最优性能。

Comments 22 pages, 4 figures. Accepted for publication in Transactions on Machine Learning Research (TMLR), 2026. OpenReview: https://openreview.net/forum?id=fvxx5FOED6

Stein's method for the matrix normal distribution

矩阵正态分布的Stein方法

Robert E. Gaunt, Frédéric Ouimet, Donald Richards

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文首次系统发展矩阵分布的Stein方法，通过矩阵Ornstein-Uhlenbeck扩散建立Stein恒等式，给出Stein方程解的半群表示及正则性估计，并应用于矩阵中心极限定理、矩阵T分布近似及协方差估计。

Comments 25 pages, 0 figures

Flow morphology and patterns in porous media convection: A persistent homology analysis

多孔介质对流中的流动形态与模式：持续同调分析

Marco De Paoli, Sergio Pirozzoli, Catherin Neena Lalu, Lou Kondic

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用持续同调拓扑数据分析方法，量化多孔介质对流中的复杂流动模式，并关联热传输速率与流动结构演化。

-Quantum Effects or Theoretical Artifacts? A Computational Reanalysis of Hydrogen's High-Pressure Phase Stability and Properties

量子效应还是理论假象？氢高压相稳定性与性质的计算再分析

Stefano Racioppi, Eva Zurek

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过meta-GGA泛函（R2SCAN和SCAN0）与GGA-PBE泛函对比，发现PBE高估分子相稳定性，而meta-GGA更接近扩散蒙特卡洛结果，表明PBE预测的动力学不稳定性和非谐性可能源于泛函缺陷而非量子核效应。

Position Paper: Unlocking the Potential of AI Researchers in Scientific Discovery-What Is Missing?

立场论文：释放人工智能研究者在科学发现中的潜力——缺失了什么？

Hengjie Yu, Shuya Liu, Haiyun Yang, Yuping Yan, Maozhen Qu, Yaochu Jin

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文分析AI在科学发现中应用不足的现状，提出通过结构化工作流和战略干预，使AI研究者成为科学发现核心驱动力的三条关键路径。

Comments 8 pages, 7 figures

Superlinear drift in consensus-based optimization with condensation phenomena

具有凝聚现象的基于共识的优化中的超线性漂移

Jonathan Franceschi, Lorenzo Pareschi, Mattia Zanella

专题命中 扩散模型 ：diffusion(abstract)

AI总结 受Kaniadakis-Quarati模型启发，提出一种具有超线性漂移和非恒定扩散的CBO方法，在平均场极限下出现有限时间爆破等凝聚现象，并通过边缘化方法避免维度灾难。

Comments 32 pages, 6 figures, 3 tables. Updated to reflect in-print version on ESAIM:COCV

On MDS Property of g-Circulant Matrices

关于g-循环矩阵的MDS性质

Tapas Chatterjee, Ayantika Laha

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究g-循环矩阵的MDS性质，证明除非g ≡ -1 (mod k)，否则k×k的g-循环对合矩阵不可能是MDS；并推广了循环矩阵的近期结果，证明特征2有限域上2^d×2^d循环矩阵不能同时具有MDS和半正交性质。

Comments 21 pages

Linear causality and stability constraints on relativistic second-order magnetohydrodynamics

相对论二阶磁流体力学中的线性因果性与稳定性约束

Yiwei Qiu, Duan She, Defu Hou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于熵流分析构建相对论二阶磁流体力学框架，通过线性模式分析研究因果性和稳定性对各向异性系统的约束，揭示了磁声、阿尔文和电荷扩散模式的渐近色散关系及因果性边界。

Comments 56 pages, 10 figures

The Insurability Frontier of AI Risk: Mapping Threats to Affirmative Coverage, Silent Exposures, and Exclusions

AI风险的可保险边界：将威胁映射到积极保险、沉默暴露和排除

Alex Leung, Rex Zhang, Ervin Ling, Kentaroh Toyoda, SiewMei Loh

机构 * Munich Re（慕尼黑再保险） ； Armilla ； Tokio Marine Kiln（东京海上日赤保险） ； CFC ； Apollo ibott ； Coalition 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了AI风险在商业保险中的可保险性边界，通过分析55类AI威胁与26种保险产品和排除制度，揭示了四个层次的可保险性前沿：积极保险的风险、沉默AI暴露、主动排除的风险以及传统私人保险结构之外的风险。

Comments Version 2

Fractal and Spectral Dimensions as Determinants of Thermal Ablation Outcomes in Cancer Tissues

分形维数和谱维数作为癌组织热消融结果的决定因素

Mario Olmo-Fajardo, Alexander López, Malte Henkel, Sébastien Fumeron

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过分形-分数阶生物热模型，发现组织分形几何和拓扑连通性共同控制凝固区扩展，谱维数是临床变异的关键驱动因素，为恶性肿瘤热消融提供拓扑信息指导策略。

Comments 18 pages, 7 figures

Journal ref Chaos, Solitons & Fractals, 210, 118668 (2026)

Double-Bracket Master Equations: Phase-Space Representation and Classical Limit

双括号主方程：相空间表示与经典极限

Ankit W. Shrestha, Budhaditya Bhattacharjee, Adolfo del Campo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过Wigner-Weyl变换和Moyal括号形式，系统推导了双括号耗散主方程的经典极限，并建立了量子与半经典框架下的梯度流表示，研究了谐振子与驱动非谐振子的半经典演化。

Comments 18 pages, 7 figures, Published version

Journal ref Phys. Rev. A 113, 062610 (2026)

Who can compete with quantum computers? Lecture notes on quantum inspired tensor networks computational techniques

谁能与量子计算机竞争？基于张量网络的量子启发式计算技术讲义

Xavier Waintal, Chen-How Huang, Christoph W. Groth

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本讲义系统介绍张量网络核心算法（MPS/MPO），强调其作为超大矩阵线性代数工具，涵盖DMRG、TCI等算法，并展示在量子计算模拟、量子退火和偏微分方程求解中的应用。

Comments 65 pages, 92 figures. Set of lectures given at the Jyväskylä summer school during August 2025

RAMAC: Multimodal Risk-Aware Offline Reinforcement Learning and the Role of Behavior Regularization

RAMAC: 多模态风险感知离线强化学习及行为正则化的作用

Kai Fukazawa, Kunal Mundada, Iman Soltani

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出RAMAC框架，结合分布性评论家与生成式演员（如扩散模型），通过条件风险价值与行为克隆的复合目标实现离线强化学习中的风险敏感学习，抑制分布外动作并提升CVaR。

Comments ICML 2026