最近，玻色量子与大连海事大学聚焦物流行业，围绕“量子计算+ 物流”行业取得了实用化场景应用的成功，相关研究成果以 《Quantum computing for several AGV scheduling models量子计算应用于多种AGV调度模型》 为题，发表在学术期刊Scientific Reports上，金融领域，玻色量子的量子计算信用评分特征筛选模型，通过高效的特征筛选，在帮助银行构建更

该研究提出等变图神经网络 + 蒙特卡洛统一框架，以 Ti₃C₂Tₓ MXene 为模型体系，毫秒级预测能量、光 / 电导率谱，精准揭示有序 - 无序相变规律；发现电导率在相变温度附近出现特征峰，光导率对局部无序不敏感，仅由表面化学组成决定，为高熵合金、自旋液体等无序材料建模提供通用方案。

国内首个“相干量子计算”方向的初创公司——“玻色量子”近期完成天使轮投资，由点亮伯恩资本领投。本轮融资将用于量子计算软硬件技术研发、团队充实和光量子实验室的构建。玻色量子是国内少数几个量子计算方向的海归创业企业之一，成立于2020年11月，创始团队来自斯坦福、清华、中科院等知名学府。玻色量子以发展中国自主的相干量子计算技术，占领国际竞争制高点为使命，致力于量子计算的软硬件全平台研发，以解决未来AI

中英文为两本完全独立的刊物。随着量子计算机近年来的飞速发展，人们提出了许多量子算法用于解决经典计算机难以处理的数学和应用问题，并尝试基于真实的量子硬件来测试量子算法性能。实验结果表明该量子计算方案可以实现显著的量子加速，与经典算法相比平均节省97%的求解时间且具有很好的规模拓展性。本文首次提出适用于一般化多路数字划分问题的量子算法，并基于100量子比特的光学相干伊辛机量子计算设备演示了其在算力调度

MIT 等团队在《Nature Materials》发表综述《 Artificial intelligence-driven approaches for materials design and discovery 》，系统阐述 AI 逆向设计材料的进展。

损失函数（Loss Function）作为神经网络中的一个评估指标，用于衡量神经网络输出与真实标签之间的差异或误差。损失函数通常是一个非负实数函数，表示为L(Y, f(X))，其中Y是实际值（也称为标签或真实值），f(X)是模型的预测值（也称为输出值或估计值），X是输入数据。损失函数的值越小，表示模型的预测结果与实际值越接近，模型的性能也就越好。根据特定任务的需求，可以设计自定义的损失函数。例如，

​10月18日—19日，2021金鸡湖创业大赛决赛在苏州成功举办。金鸡湖创业大赛由中国创业人才投资中心举办，旨在为世界各国优秀创业人才搭建在中国创业的平台，并建立其与资本、市场、产业对接的桥梁。经过层层选拔，玻色量子荣获2021金鸡湖创业大赛决赛“人工智能及企业服务赛道冠军”。2021金鸡湖创业大赛比赛现场大赛现场玻色量子创始人&COO马寅路演中获奖留念本届大赛经过线上报名、初赛评审、分赛

KL散度是一种广泛应用于机器学习和深度学习中的度量工具，尤其是在涉及概率分布的场景中。其主要用于衡量模型预测的分布与真实分布的差异，并通过最小化KL散度来优化模型表现。具体应用场景包括：● 变分自编码器中的潜在分布优化● 分类任务中的交叉熵损失● 强化学习中的策略更新约束● 生成模型中的分布正则化通过将KL散度引入损失函数，模型可以在复杂任务中更好地平衡生成质量、分布匹配以及策略优化的需求。玻色量

研究提出结构化 VAE 框架生成中子星状态方程（EOS），将传统 10 参数 Skyrme 模型压缩为 3 个参数Mmax、R1.4与 1 个潜在变量，生成的 EOS 与 SLy4 模型高度吻合，Mmax和R1.4的平均绝对百分比误差均仅 0.15%。

《Hybrid Quantum-Classical Multi-Agent Pathfinding》提出 QP 和 QCP 两种混合量子 - 经典多智能体路径规划算法。