量子科技中心_量科网

尽管世界模型能够学习复杂环境的紧凑表征，但其潜在空间的结构保真度缺乏基于物理的度量标准。本研究将小波标度指数 $α$ 确定为关键诊断指标，并提出最优表征应满足方差均分条件（$α\approx 1/2$）——这与科尔莫戈罗夫惯性区相呼应。研究证明 $α= 1/2$ 是振幅编码量子核经典可模拟性的尖锐过渡边界。基于张量网络理论，该团队证明当 $α> 1/2$ 时，潜在空间处于面积律相，可进行高效经典模拟；而当 $α< 1/2$ 时，则触发体积律相，此时矩阵乘积态的键维数 $χ$ 随量子比特数 $n$ 呈指数增长。对预训练 VideoMAE 潜在空间的分析揭示了二元性：空间标记接近均分极限（$α\approx 0.423$），但置换不变特征通道呈现非结构化无序（$α\approx -0.123$）。这迫使实际潜在空间深入体积律相，为模拟难度提供了数据驱动的必要条件。最后，研究应用 Weingarten 微积分推导了 2-设计系综下加扰跃迁概率的精确方差，证明该方差严格按 $\Var[X] = Θ(d^{-2})$ 标度。数值实验以 $-1.881$ 的对数-对数斜率（$R^2 = 0.999$）验证了这一结果，揭示出需要 $M = Ω(d^2)$ 测量预算的严峻散粒噪声壁垒，这制约了量子机器学习的可扩展性。