Guang Lin

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%。