量子科技中心_量科网

该研究团队提出了一种基于固定局域IC-POVM时间分辨测量数据的新型哈密顿量学习框架，并将其应用于基因调控网络推断。研究人员引入了基于量子哈密顿量的基因表达模型(QHGM)，该模型将基因相互作用编码为参数化哈密顿量，用于控制基因在伪时间维度上的表达演化。该工作推导出有限样本恢复的理论保证，并建立了高概率准确参数估计所需时间样本和测量样本数量的多项式级上界。为恢复QHGM参数，该团队开发了基于经验风险最小化的可扩展变分学习算法。该方法在合成基准测试中高效恢复了网络结构，并在胶质母细胞瘤单细胞RNA测序数据中揭示了新颖且具有生物学合理性的调控关系，展现了其在癌症研究中的潜力。该框架为超越经典推理局限、将类量子建模应用于生物系统开辟了新方向。