Quantum-JEPA：量子先验建模多模态未来

基于摘要分析。Quantum-JEPA 面向同一观测可能对应多种合理未来的世界建模问题，以条件 quantum Born prior 学习未来表征的分布；其主要研究对象是多模态未来预测与多智能体协同未来，而非 EEG 或 BCI 解码。 机制上，量子电路测量产生二进制潜动作，共享预测器将这些潜动作映射为不同的未来表征。作者通过 sampled energy objective，依据预测质量与多样性训练量子先验。该设计旨在支持潜动作之间的相关性，同时避免使用规模随潜动作维度指数增长的类别输出层；具体电路、条件信息编码、目标函数形式及训练成本尚未验证。 作者报告，在构造的多模态任务上，模型能够学习不同的后续发展，并捕获支持多智能体协调未来的潜动作相关性；在 D3IL 多样化人类示范基准上，训练后的模型可在未观测到运动的条件下，从共同起点生成多条越障路线。作者还报告，在受控任务中，其经典与量子先验实现相较所评估的变分基线，提高了预测有效性与分布保真度。摘要未提供具体指标、数据划分或数值，不能据此判断收益幅度，也不能将这些比较解释为量子先验优于经典先验。 实现层面，作者报告验证了有限测量次数下的 parameter-shift 训练，包括存在读出噪声时的训练，并在真实 QPU 上验证了训练后先验的推理可行性。这些结果支持量子组件可训练、可执行的主张，但尚不能等同于端到端效率或量子优势。实验协议、消融及统计信息尚未验证；复现还需核对电路规模、测量次数、QPU 配置、噪声条件和经典对照的资源预算。 摘要未建立与 EEG/BCI 的具体机制对应关系，不据此提出迁移效果判断或复现实验建议；相关 EEG 工作尚未检索确认。