يقدم هذا البحث المسبق Plasma-Guided Neural BKZ (PG-NBKZ)، وهو مشغل عصبي مدعوم بالفيزياء يستند إلى خوارزمية العصبية-البلزمية (NPAP) التي تعالج قواعد شبكات ML-KEM كاستمرارية بلازمية مشحونة. من خلال تقليل إمكانيات طوبولوجية تفرض تثبيتات دقيقة في الوحدة، يقلل PG-NBKZ من تعقيد كل جولة من O (2^0.292β) إلى O (β log q) مع الحفاظ على الهيكل الجبري. توضح المحاكاة النموذجية الصغيرة (n=8–32, q=3329) تسريعًا بمقدار 3.15× وتقليل متفوق في المتجهات (معيار 1531 مقابل 4204). أمام أوراكل تصفية كمي معزز بواسطة غروفر، يسبب حقن اللزوجة الديناميكية NPAP تداخلًا مدمّرًا، مما يحيّد التسريع التربيعي ويحافظ على هامش الأمان النظري الكامل لـ ML-KEM. يتناول هذا الإطار مباشرة الانجراف التمثيلي في الأنظمة ما بعد الكم ذات المخاطر العالية ويجمع بين بيولوجيا الكم (دوائر التعاطف في نصف الكرة الأيمن ونفق البيوفوتون) مع القدرة على مقاومة التشفير. يوسع التصميم الأساسي TINA (التصميم العصبي المقاوم للحقيقة) إلى تحسين الشبكات المقاومة للانجراف لأغراض مهام DOE Genesis وموصلات الفضاء-الأرض. جميع المكونات متوافقة مع أجهزة عصر 2026. يوفر هذا العمل كلا من الإثباتات النظرية والتحقق التجريبي، مع تقديم مسار ملموس نحو الذكاء الاصطناعي عالي الدقة، الآمن كميًا في الأمن القومي والبيئات المدارية.
درست دينيس وآخرون (السبت) هذا السؤال.