Purdue University West Lafayette

量子DeepONet集成把算子学习的隐藏层代价从稠密层的平方级压到近线性，并首次给出有限样本、不依赖分布的查询平均覆盖率下界。此前量子算子学习只输出带噪点预测，贝叶斯网络与蒙特卡洛丢弃又给不出无分布保证。做法是用量子正交神经网络替换稠密隐藏层，再对独立训练集成的均值与标准差做分裂保形校准。合成反导数与平流基准上相对L2误差为0.46%与2.28%，8模型集成覆盖率92.13%与88.99%，目标为90%。

量子DeepONet集成把算子学习的隐藏层代价从稠密层的平方级压到近线性，并首次给出有限样本、不依赖分布的查询平均覆盖率下界。此前量子算子学习只输出带噪点预测，贝叶斯网络与蒙特卡洛丢弃又给不出无分布保证。做法是用量子正交神经网络替换稠密隐藏层，再对独立训练集成的均值与标准差做分裂保形校准。合成反导数与平流基准上相对L2误差为0.46%与2.28%，8模型集成覆盖率92.13%与88.99%，目标为90%。

该研究公开了2020–2021年Genomes to Fields项目19个环境、356次无人机飞行、1,180个玉米杂交种的时序影像资源，并用植被指数与气象轨迹的功能主成分结合基因组信息进行产量预测与QTL定位，发现基因组与表型组核联合可将留出杂交种预测相关提升至r=0.501（环境在训练集中）和0.408（环境也被留出），积温日并未稳定优于播种后天数，气象贡献有限，且NGRDI功能主成分在第3和第7号染色体上反复检出数量性状位点。

该研究公开了2020–2021年Genomes to Fields项目19个环境、356次无人机飞行、1,180个玉米杂交种的时序影像资源，并用植被指数与气象轨迹的功能主成分结合基因组信息进行产量预测与QTL定位，发现基因组与表型组核联合可将留出杂交种预测相关提升至r=0.501（环境在训练集中）和0.408（环境也被留出），积温日并未稳定优于播种后天数，气象贡献有限，且NGRDI功能主成分在第3和第7号染色体上反复检出数量性状位点。