量子态指派流

基于摘要分析。本文研究图结构数据的表示与分析，将 assignment flow 从类别分布推广至复数值 Hermitian 密度矩阵，以此作为图顶点关联数据的状态空间。核心贡献是通过几何积分演化动力系统，使图上的非对易状态相互作用，并在收敛后为每个顶点指派一个纯态，即秩一状态。 技术上，这一推广改变了节点状态的表示空间：由类别分布转向矩阵状态，并将非对易状态之间的交互纳入图上的动力学过程。摘要未给出具体流方程、图的构造方式、积分算法、收敛条件或任务目标，因此尚不能判断这些机制如何对应分类、聚类或其他具体分析任务，也不能据此将其等同于常见的序列 state space model。 作者报告，玩具系统实验显示了该方法用于数据表示与分析的潜力；摘要未提供定量指标或对照结果，实验协议、消融及统计信息尚未验证。复现前需取得全文，核对密度矩阵的构造、状态初始化、图上交互规则、数值积分与收敛判据。 本文的主要研究对象是图上的量子态表示与指派动力学，并非 EEG 解码或 BCI。摘要没有提供密度矩阵与 EEG 特征之间的具体对应关系，因此暂不提出 BCI 迁移实验；已有 EEG 相关工作尚未检索确认。