Peking University（北京大学）

Enhanced Neural Quantum State via Annealed Gradient Descent

通过退火梯度下降增强神经量子态

Shiwei Zhou, Yiming Huang, Xiao Yuan, Xiaoxia Cai

机构 * Institute of High Energy Physics, Chinese Academy of Sciences, Beijing 100049, China（中国科学院高能物理研究所） ； China Center of Advanced Science（中国先进科学研究中心） ； Center on Frontiers of Computing Studies, School of Computer Science, Peking University, Beijing 100871, China（前沿计算研究中心，北京大学计算机学院） 纠错

AI总结 研究针对神经量子态实际精度受随机优化限制的问题，提出退火梯度下降方法，通过增加低概率构型贡献，抑制亚稳态捕获，使紧凑神经量子态在多模型上达到化学精度和先进性能。

BitNet Text Embeddings

BitNet 文本嵌入

Zhen Li, Xin Huang, Liang Wang, Nan Yang, Ting Song, Yan Xia, Xun Wu, Shaohan Huang, Huishuai Zhang, Furu Wei, Dongyan Zhao

机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） 纠错

AI总结 提出BITEMBED框架，通过将预训练LLM转换为BitNet风格编码器并联合训练，实现低比特文本嵌入，在MMTEB基准上性能接近全精度模型，同时降低存储和计算开销。

FES-FM: Free Energy Surface Sampling via Reduced Flow Matching

通过降维流匹配进行自由能表面采样

Zichen Liu, Tiejun Li

机构 * Center for Data Science, Peking University（北京大学数据科学中心） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） 纠错

AI总结 本文提出FES-FM方法，通过在集体变量空间中训练动力学传输映射，实现自由能表面的高效采样，同时利用Hessian构造先验分布，提升计算效率和准确性。

SwiftRepertoire: Few-Shot Immune-Signature Synthesis via Dynamic Kernel Codes

SwiftRepertoire: 通过动态核码实现少样本免疫特征合成

Rong Fu, Yang Li, Yabin Jin, Jiekai Wu, Chunlei Meng, Youjin Wang

机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The First People’s Hospital of Foshan（佛山第一人民医院） ； Juntendo University（立命馆大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； Minzu University of China（民族大学） ； Tsinghua University（清华大学） ； Capital Medical University（首都医科大学） 纠错

AI总结 本文提出SwiftRepertoire框架，通过动态核码实现少样本免疫特征合成，利用轻量任务描述符和原型字典生成紧凑任务特定参数化，实现快速适应新任务，提升临床和研究场景下的模型实用性与可解释性。

Comments 19 pages, 8 figures, 8 tables