本文提出了一种学习智能体的模型，其与环境的交互由基于模拟的投射控制，该模型通过随机行走的方式对记忆片段网络进行模拟，筛选特定特征以触发智能体动作，提供了一种新的基于实体认知科学的智能行动学习途径，并与强化学习和量子计算领域进行了连接。

Apr, 2011

介绍了一种基于量子 / 软计算技术的智能鲁棒控制系统设计的通用策略，旨在增强控制系统在不可预测的控制情况下的可靠性和鲁棒性，并给出了说明性的例子。此外还描述了用于在经典计算机上模拟量子算法的 SW 和 HW 平台及支持工具。

May, 2023

提出基于贝叶斯推断的自适应算法来学习和减轻量子噪声以应对不断变化的信道条件，强调动态推断关键信道参数以提高编程准确性，并展示了贝叶斯概率误差消除在噪声变化时的优越性，结果显示贝叶斯概率误差消除在理想分布的 Hellinger 距离度量下胜过非自适应方法约 4.5 倍。

Aug, 2023

采用机器学习自主生成自适应反馈计划的方法适用于量子信息，有效取代了猜测性的量子测量方法，实现了在干涉测量中最佳的自适应方案。

Oct, 2009

通过提出几个泛化的标准以及一种动态且自主的机制，本文介绍了如何在项目模拟智能代理中实现有意义的泛化，从而使代理可以学习和应对大量数据，配合一个基于非常简单的原则的基本的项目模拟模型和泛化机制，使我们能够全面分析代理的性能并展示它通过泛化的益处。

Apr, 2015

我们利用量子电路学习来模拟量子场论，通过使用紧凑的量子比特配置和低深度的量子电路来预测量子场论中的实时动态，从而准确地预测各种物理参数，包括全连接算符。通过在一个 1+1 维的量子电动力学模型中预测淬火动力学、手性动力学和喷注产生，我们发现我们的预测与严格的经典计算结果十分吻合，显示了利用现代量子设备高效模拟大规模量子场论的可行性。

Nov, 2023

介绍了基于量子计算和软计算的智能认知控制系统的策略，提取了量子自组织知识库协同效应并将其应用到智能模糊控制器的不完全知识库，利用认知神经接口和不同类型的机器人协作，提高了智能认知控制系统的鲁棒性以应对危险控制情况，并演示了引入量子模糊推理门设计作为面向嵌入式控制系统的可编程算法解决方案的例子，同时还展示了基于认知头盔和量子模糊控制器的神经接口应用于车辆驾驶的可能性。

Jun, 2023

本文展示了可以将时间有序的量子演化视作层次有序的神经网络，并将鲁棒控制看作是训练高度泛化的神经网络，利用批处理优化技巧使优化的结果能够显着提高控制的鲁棒性和保持高保真度。

Nov, 2018

本文研究将参数化的量子电路代替经典神经网络，应用于量子机器学习中的可变分子量子算法，并提出使用可调谐马赫 - 泽德干涉仪晶格的单光子量子行走来量子化项目模拟模型，并展示这种模型在强化学习任务上的表现优于其经典对应物，最后探讨了量子干涉在训练和决策过程中的作用。

Jan, 2023

本文探讨了机器学习在科学研究中的潜力，使用物理导向的人工智能方法研究了在量子实验中产生高维纠缠多光子态的复杂光子量子实验的设计与实现，自主学习创造了多种纠缠态并提高了实现效率，提出了机器在未来研究中具有更加创造性的可能。

Jun, 2017