Frontiers in Physics

Saad Zafar Khan, Nazeefa Muzammil, Salman Ghafoor, Haibat Khan, Syed Mohammad Hasan Zaidi, Abdulah Jeza Aljohani, Imran Aziz*

该研究比较了量子长短期记忆网络（QLSTM）与经典 LSTM 在太阳能发电时间序列预测中的表现，结果显示 QLSTM 在训练收敛速度和测试损失方面具有潜在优势，为量子机器学习应用于可再生能源预测提供了初步证据。

Xiao-Dong Liu, Qian-Hua Chen, Run-Sheng Zhao, Guang-Zhe Liu, Shuai Guan, Liang-Long Wu, Xing-Kui Fan*

该研究提出一种基于四维混沌系统的量子图像加密算法，通过结合 GQIR 编码、混沌密钥和 Arnold 变换提升图像加密的安全性、抗攻击能力与密钥空间。

Yanqi Song, Jing Li, Yusen Wu*, Sujuan Qin*, Qiaoyan Wen, Fei Gao

该研究提出一种资源高效的量子卷积神经网络（RE-QCNN），通过降低量子卷积层前向与反向传播的计算资源需求，在 MNIST 和 Fashion-MNIST 图像分类任务中实现了较高准确率。

Ke Song, Jing Feng*, Duo Chen

该综述总结了深度学习在医学超声成像中的应用进展，涵盖从图像重建到临床诊断的多个环节，并指出其在降低计算复杂度和辅助初学者操作方面的潜力。

Yifei Yang*

该综述探讨了量子计算在等离子体物理模拟中的应用潜力，重点分析其如何帮助解决湍流、波粒相互作用和磁流体不稳定性等复杂问题，从而推动聚变能源和高能物理研究。

Chen Xu*, Umair Ali Khan, Salman Ghafoor, Jawad Mirza, Abdulah Jeza Aljohani, Imran Aziz*

该研究提出一种结合 DPSK 与 PPM 调制的地面—GEO—LEO 卫星光无线通信方案，可在提升频谱效率和数据安全性的同时实现多通道高速无误码传输。

Takayuki Miyagi*

该综述介绍了基于手征有效场论和多体计算方法的从头算核半径研究进展，重点讨论其在预测中子皮厚度等难以直接实验测量的核结构性质中的价值。

Peter V. Coveney*, Roger R. Highfield

该文章指出当前 AI 在科学理解、机制解释、不确定性量化和物理规律表达方面仍存在明显局限，并主张以物理理论的严谨性推动下一代 AI 的发展。