深度解析：基于强化学习的实验兼容测量-反馈量子态制备新范式
本文深度解析了一种无需全态重构、完全基于实验可观测量的自适应测量-反馈量子态制备框架。该工作将弱测量与强化学习（PPO）相结合，在玻色-哈伯德模型和GHZ态制备中实现了超越传统方案的卓越性能，为近期量子硬件上的多体基态制备开辟了极具可扩展性的道路。
强化学习
强化学习驱动的自动活性空间选择：RLEASE 架构深度解析与量化化学实践指南
本文深度解析由 PsiQuantum 团队开发的 RLEASE 框架。该框架利用低成本的 Hartree-Fock 描述符与 PPO 强化学习算法，实现了自适应、几何相关的活性空间自动选择，彻底摆脱了对高成本 pilot DMRG 计算的依赖。
自演化多智能体数字孪生系统 CatDT：多相催化剂自主发现与微观动力学计算的范式革命
本文深度剖析了多相催化数字孪生系统 CatDT。该系统融合了 8 个专属智能体和 27 个专业计算工具，在单张 GPU 上实现了“从晶体结构到微观反应动力学”的端到端自主模拟，并通过 UniMech 引擎与 Memento 强化学习循环彻底解决了催化反应网络和过渡态寻找的效率瓶颈。
深度解析：利用神经与张量网络评估量子退火处理器——从拓扑感知算法到热力学极限
本文深度探讨了针对 D-Wave 等量子退火器的拓扑感知张量网络算法 SpinGlassPEPS.jl，并从热力学效率和强化学习错误缓解的角度构建了完整的量子计算评估框架。