创建基于量子力学的因果关系判别方法，突破因果关系判别的基础性难题。

    因果与相关关系的界定长久以来是物理和信息领域最具争议的基础性挑战之一。团队基于量子力学的形式化，在国际上首次成功的给出界定一般的量子相关和因果关系的解析方法，澄清了K. Reid等人提出的统计量C对于量子相关和量子因果的区分能力，解析证明了量子的相关和因果在相当的范围内可由C做出有效区分；该成果发表于Physical Review A。在此工作的基础上，进一步发展了向量值的P统计量，证明了在渐进意义上，量子相关和量子因果可由P统计量以概率1区分，从而在理论证明的基础上，给出了可用于实践因果关系判别的一般算法。以上两个工作创造性的利用量子理论回答了困扰哲学界和科学界数百年的休谟怀疑论，为真正可靠、有效的因果关系发现奠定了理论基础和应用基础框架，具有重大、广泛和基础性的理论意义。

    建立量子机制与深度神经网络的内在关联，实现量子模型与人工智能基础模型的融合。

    为了探索量子机制与智能机理的潜在关联及其在人工智能中的应用，团队以深度神经网络为对象，通过发展参数域上的约束信息最大化原则—可信信息优先原则，以及相应的模型选择理论和算法，为深度神经网络的类量子解释和模型选择奠定了基础。在此基础上，进一步发展了“分步凸”的拟牛顿二阶训练方法，在玻尔兹曼机的训练过程中可以较快速地通过参数空间中的梯度平坦区，从而缓解不可辨识模型的“病态问题”。上述成果发表于AAAI-2016(CCF-A类)和 TNNLS(SCI 一区)。

    在语言、行为和社会网络等典型领域实现广泛的、基于量子模型的成功智能化应用。

    在量子人工智能应用方面，基于量子双向量形式化框架，探索了会话检索中描述用户信息需求所需的必要信息，改进量子语言模型的目标函数，及训练文档表示的算法，完成了对用户需求的量子化表示；此成果发表于Physica A: Statistical Mechanics and its Applications（SCI 三区）。在此基础上，引入弱测量机制，以实现基于双向量形式化的弱测量数学框架，来建模会话检索任务；此成果发表于AAAI-2018(CCF-A类)。以上工作实验性的证明了人类行为存在着类量子现象，且量子理论可以用于解决宏观认知问题。基于密度矩阵，提出用户偏好的类量子表示方法，进而建模用户偏好的内在交互特征，结合循环神经网络进一步实现用户偏好演化的动态建模；该成果发表于DASFAA-2019（CCF-B类）。该工作首创性的将用户行为进行类量子表示，验证了用户行为的类量子现象。随后，受此工作的启发，提出了一种基于神经网络的类量子语言模型；该成果发表于AAAI -2018 (CCF-A 类)。同时，借鉴量子多体波函数原理，进一步提出基于量子多体波函数的类量子语言模型，完善了类量子语言模型的表征方式；该成果发表于CIKM-2018 (CCF-B 类)，并成功应用于预训练模型的压缩（NeurIPS 2020）。以上工作成体系地解决了语言模型的类量子化表示，将传统解决方案带入到了一个全新的（类量子的）世界。与此同时，依据类量子特性，对个体关系及互动行为进行了全新视角（类量子视角）下的研究。如从同质性原则出发，对双向意见符号进行重新定义，扩展了用互动语言测量意见的平衡理论；该成果发表于WWW-2017 (CCF-A 类)。从相互关系的不对称原则出发，探讨了互动语言特征的不对称性与主观不对称性之间的相互关系，包括频率、数量、质量和情感的不对称性；该成果发表于WWW-2016 (CCF-A 类)。

    团队特色研究形成广泛国际影响和显著经济社会效益。

    在人才培养方面，团队为所有成员提供了充分的发展、提高、学习的机会，在过去三年中，团队先后为科研人员提出各式出访交流的机会，其中包括访学、参加高端学术会议等；同时团队也为团队中的学习积极创造学习的机会，具不完全统计，团队中的博士生平均每年都会有一次参加高水平学术会议的机会，团队中的硕士生也能够有二年一次的参会、学习交流的机会。

    在经济和社会效益方面，在过去三到五年里，团队先后与中科闻歌、起硕智能、中国移动成立联合实验室，与国内顶尖互联网公司，如阿里、百度、华为、中科闻歌等，建立了长期、高效的合作关系，完成一大批成果的转化。也同国际优秀公司，如微软等，建立了有效的联系机制与合作方式，完成一些技术的落地。同时，与国内外诸多高校建立了交流、合作及出访机制，不同程度的促进了彼此的科研能力与水平。