Fudan University（复旦大学）

Active rejection enables reliable generalization of universal machine-learning interatomic potentials

主动拒绝可实现通用机器学习原子间势的可靠泛化

Mingxiang Luo, Xinnan Mao, Lu Wang, Lei Bai, Feng Ding, Yuqiang Li

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Suzhou Laboratory（苏州实验室） 纠错

AI总结 研究针对通用机器学习原子间势训练数据集受限问题，提出自适应多教师路由方法，通过校准预训练教师、估计结构-教师对可靠性来生成伪标签，提升模型性能和动力学鲁棒性，有效构建高保真uMLIPs数据系统。

Glob3R: Global Structure-from-Motion with 3D Foundation Models

Glob3R：基于3D基础模型的全局运动恢复结构

Junyuan Deng, Heng Li, Kejie Qiu, Lingteng Qiu, Rui Peng, Weichao Shen, Weihao Yuan, Siyu Zhu, Zilong Dong, Ping Tan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Nanjing University（南京大学） ； Fudan University（复旦大学） 纠错

AI总结 研究针对3D基础模型重建结果不准确及处理长序列或大图像集有缺陷的问题，提出Glob3R方法，通过增强主干、转换扭曲为特征轨迹、引入关联策略及进行全局优化等，实现强大准确重建，提升神经渲染质量。

Data-Driven Learnability Transition of Measurement-Induced Entanglement

测量诱导纠缠的数据驱动可学习性转变

Dongheng Qian, Jing Wang

机构 * State Key Laboratory of Surface Physics（表面物理国家重点实验室） ； Department of Physics, Fudan University, Shanghai 200433, China（复旦大学物理系） ； Shanghai Research Center for Quantum Sciences, Shanghai 201315, China（上海量子科学研究中心） ； Institute for Nanoelectronic Devices（纳米电子器件研究所） ； Quantum Computing, Fudan University, Shanghai 200433, China（量子计算，复旦大学） ； Hefei National Laboratory, Hefei 230088, China（合肥国家实验室） 纠错

AI总结 研究测量诱导纠缠（MIE）的可学习性，将其检测重构为数据驱动学习问题，用测量记录自监督训练神经网络预测MIE不确定性度量，发现随机电路中随深度增加的可学习性转变及与经典模拟崩溃的关系，划定经典可学习性限制。

Comments 7+13 pages, 4+12 figures