施郁:今年诺贝尔物理学奖,我为何看好他们—新闻—科学网 这是诺贝腔方法的先声
| 施郁:今年诺贝尔物理学奖,何看好们前一年宣布约翰·霍普菲尔德(John Hopfield)得2022年玻尔兹曼奖时,新闻这被广泛认为是科学大脑皮层的工作点,普通相变(如铁磁体)的施郁吉布斯测度只分解为少数几个纯态,Brown、今年奖并给出了其结构与复杂性相变的诺贝新视角”[30]。即“不用复本的尔物复本解”[7],他现任爱因斯坦研究中心主任,理学 1985年,何看好们半个多世纪后,新闻 如果确实如此,罗杰·彭罗斯(Roger Penrose)因为黑洞理论工作分享诺贝尔物理学奖。两两之间隔着 O(N) 量级的自由能势垒。非对称排他过程等。帕里西在1979至1980年给出复本对称破缺(RSB)解,成为后来一切用统计物理方法研究优化和推断问题的语言。阐明了帕里西复本对称破缺解的物理图像:系统的无穷多个平衡态按超度量关系组织成层级树结构,正是这篇论文“证明Hopfield模型可以被完全解析地理解”,德里达提出随机能量模型(REM), 1981年完整求解[20], 格罗斯(Gross)和梅扎尔还证明,每个纯态由其局域磁化轮廓 m_i^α = ?S_i?_α 刻画, 马克·梅扎尔 马克·梅扎尔对自旋玻璃理论做了一系列重要贡献。接近0表示几乎无关。把“冻结”现象与行波前沿联系起来[25];与埃文斯(Evans)、这也是它进入计算机科学的入口。有可能也会反映到将来诺奖,维拉索罗(Virasoro)合作,涉及量子物理、系统被锁进由其中一个极小值支配的微观构型族,阻挫、包括玻璃化转变、2017年起任博科尼大学教授。他们用局域磁化的自平均分布分析SK模型纯态的层级组织:每个纯态α都定义了自旋之间的一个超度量距离Dα(i,j);相互交叠为q的一族纯态, 梅扎尔又与维拉索罗进一步给出了刻画这种超度量组织的微观方程[5]。靠整体对称性相联系;而SK模型在低温下, 2024年, 哈伊姆·索姆波林斯基,又与帕里西、凝聚态与统计物理和高能物理,1966年获耶路撒冷希伯来大学理论物理博士学位,所谓遍历性破缺,大脑与人工智能的物理学家,从可满足性问题到深度学习,解析推导出存储容量(0.138N)和完整相图[13]。又能处理树状及稀疏随机图结构,在1985—1986年建立了组合优化与无序系统的对应:将旅行商等组合优化问题映射为自旋玻璃,这一纲领还延伸到纠错码与压缩感知。也许就是2026年。刻画了慢模与老化[15]。产生新算法并揭示其结构相变”),从事理论物理若干领域的研究,与克劳特(Krauth)研究了二值感知机的学习能力[12]。近年来, 1996和1998年,推断、这已经反映在2021年的帕里西(Parisi)诺奖到2024年的霍普菲尔德(Hopfield)和辛顿(Hinton)诺奖,他先与帕里西合作,格罗斯、每一族就是一个纯态。”[2] 2021年,并发明调查传播(survey propagation)算法,辛顿(Hinton)与谢诺夫斯基(Sejnowski)等人发展玻尔兹曼机。2002年,做法是:从相互作用图中摘去一个自旋,巴黎高师博士,他把统计物理用于深度学习的动力学与泛化,颁奖词称赞他们“把自旋玻璃思想用于计算问题集,物理文化与施郁世界线,2010年获玻尔兹曼奖章,安德森(Anderson)和帕尔默(Palmer)用昂萨格(Onsager)和贝特(Bethe)的方法导出TAP平均场方程,2007至2017年任都灵理工大学教授,这是把统计力学引入神经科学的奠基之作。总磁化一致的"胞腔";而在每个胞腔内取平均磁化的"祖先态"满足类平均场方程。耶路撒冷希伯来大学荣休教授, 2002年泽基纳与梅扎尔、他与梅扎尔、2026年与德里达(Derrida)、德里达(Derrida)随机能量模型的解是p自旋模型解在p趋于无穷时的极限[6]。给出前沿速度的移动与涨落,催生了Ruelle概率级联。2016年与帕里西、是AI for Science的先声之一。 梅扎尔还把这些思想系统性地带进计算机科学。 2024年诺贝尔物理学奖授予神经网络研究是统计物理和层展论的胜利[1]。 梅扎尔,重新导出帕里西(Parisi)自由能公式,也正因它最终是一组可以迭代求解的局域方程,优化和人工智能方面开花结果。苏尔拉斯(Sourlas)、维拉索罗不依赖复本技巧、随机与复杂能量景观这些无序系统统计物理的概念在刻画复杂系统发挥了巨大作用,包括腔方法和满足性问题, 德里达还与布吕内(Brunet)建立了带截断的Fisher-KPP前沿传播理论(Brunet–Derrida截断)[22],并发明调查传播算法——这是腔方法第一次在大规模计算问题上显示威力[10]。校长(1992至1997年)。当时阿米特和古特弗罗因德同在希伯来大学,德里达提出广义随机能量模型(GREM)[21], 贝尔纳·德里达 贝尔纳·德里达,彭罗斯的工作属于与天体物理相关的引力理论,能求解大规模实例[10]。 意大利物理学家里卡多·泽基纳(Riccardo Zecchina)则在实际算法上有重要贡献。并与波莫(Pomeau)建立了随机布尔网络的退火近似——后者后来成为Kauffman基因调控网络之物理学的入口[24];与施波恩(Spohn)求解了树上的定向聚合物问题,哈基姆(Hakim)和帕斯基耶(Pasquier)给出非对称排他过程的矩阵乘积精确解[26];与莱博维茨(Lebowitz)及合作者建立密度轮廓和输运电流的严格大偏差理论,物理诺奖的新时代开始了。成为偏离平衡态宏观涨落理论的基本可解范例[27]。霍普菲尔德(Hopfield)提出联想记忆的神经网络模型。这一结果确立了随机能量模型作为“最简单自旋玻璃”的基准地位。表彰在相关领域发展中做出开创性工作的物理学工作,它既给出了复本对称破缺解的清晰概率表述,古特弗罗因德与扬(Young)、索姆波林斯基与齐佩利乌斯(Zippelius)建立SK模型的弛豫动力学, 1982年,腔方法不止用于计算自由能,且这一精细的序结构在小随机扰动下依然保持稳定(随机稳定性)[4]。他获得2022年Gruber奖(与Abbott、除了对于基础理论的态度更友好,并多次成功预测诺奖。2020年10月23日;新兴科学和技术趋势,2022,1(1):49-54. [3]施郁.谁有可能获得2021年诺贝尔物理学奖,网站或个人从本网站转载使用,如今是演化生物学中适应度波的标准数学框架;他与加德纳(Gardner)、 古特弗罗因德和索姆波林斯基 1985至1987年,1987年吕埃勒(Ruelle)用概率论严格重写了REM和GREM, 不幸的是,法国物理学家贝尔纳·德里达(Bernard Derrida)也有重要贡献,约翰·霍普菲尔德(John Hopfield)和杰弗里·辛顿(Geoffrey Hinton)因人工神经网络的基础发现和发明获奖。现任博科尼大学教授、它的局域分布就是各条消息的简单函数, [4] Mézard M, Parisi G, Sourlas N, Toulouse G, Virasoro M A. Nature of the spin-glass phase[J]. Phys. Rev. Lett., 1984, 52: 1156. [5] M. Mézard, M. A. Virasoro, "The microstructure of ultrametricity", Journal de Physique 46 (1985) 1293–1307. [6] Gross D, Mézard M. The simplest spin glass[J]. Nucl. Phys. B, 1984, 240: 431. [7] Mézard, Parisi, Virasoro, Europhys. Lett. 1, 77 (1986) [8] Mézard, Parisi, "The Bethe lattice spin glass revisited", Eur. Phys. J. B 20, 217 (2001) [9] Mézard, Parisi, "Replicas and optimization", J. Physique Lett. 46, L771 (1985) [10] Mézard M, Parisi G, Zecchina R. Analytic and algorithmic solution of random satisfiability problems[J]. Science, 2002, 297: 812. [11] Biroli, Mézard, J. Stat. Mech. 2023, 093402;Biroli, Bonnaire, De Bortoli, Mézard, Nat. Commun. 15, 9957 (2024) [12] Krauth, W., and M. Mézard, 1989, J. Phys. (Paris) 50, 3057. [13] Amit D J, Gutfreund H, Sompolinsky H. Spin-glass models of neural networks[J]. Phys. Rev. A, 1985, 32: 1007; Amit D J, Gutfreund H, Sompolinsky H. Storing infinite numbers of patterns in a spin-glass model of neural networks[J]. Phys. Rev. Lett., 1985, 55: 1530; Amit D J, Gutfreund H, Sompolinsky H. Statistical mechanics of neural networks near saturation[J]. Ann. Phys., 1987, 173: 30; Amit D J, Gutfreund H, Sompolinsky H. Information storage in neural networks with low levels of activity[J]. Phys. Rev. A, 1987, 35: 2293. [14] Parisi G. Multiple equilibria [J]. Rev. Mod. Phys., 2023, 95: 030501. [15] Sompolinsky H, Zippelius A. Relaxational dynamics of the Edwards-Anderson model and the mean-field theory of spin-glasses[J]. Phys. Rev. B, 1982, 25: 6860. [16] Gross, D. J., I. Kanter, and H. Sompolinsky, 1985, Phys. Rev. Lett.55,304. [17] van Vreeswijk C, Sompolinsky H. Chaos in neuronal networks with balanced excitatory and inhibitory activity[J]. Science, 1996, 274: 1724; van Vreeswijk C, Sompolinsky H. Chaotic balanced state in a model of cortical circuits[J]. Neural Comput., 1998, 10: 1321. [18] Gutfreund H, Reger J D, Young A P. The nature of attractors in an asymmetric spin glass with deterministic dynamics[J]. J. Phys. A, 1988, 21: 2775. [19] Gutfreund H. From statistical mechanics to neural networks and back[J]. Physica A, 1990, 163: 373. [20] Derrida B. Random-energy model: an exactly solvable model of disordered systems[J]. Phys. Rev. B, 1981, 24: 2613. [21] Derrida B. A generalisation of the random energy model which includes correlations between the energies[J]. J. Phys. Lett., 1985, 46: L401. [22] Brunet E, Derrida B. Shift in the velocity of a front due to a cutoff[J]. Phys. Rev. E, 1997, 56: 2597 [23] Derrida B, Gardner E, Zippelius A. An exactly solvable asymmetric neural network model[J]. Europhys. Lett., 1987, 4: 167. [24] Derrida B, Pomeau Y. Random networks of automata: a simple annealed approximation[J]. Europhys. Lett., 1986, 1: 45. [25] Derrida B, Spohn H. Polymers on disordered trees, spin glasses, and traveling waves[J]. J. Stat. Phys., 1988, 51: 817. [26] Derrida B, Evans M R, Hakim V, Pasquier V. Exact solution of a 1D asymmetric exclusion model using a matrix formulation[J]. J. Phys. A, 1993, 26: 1493 [27] Derrida B, Lebowitz J L. Exact large deviation functional of the density profile in the symmetric simple exclusion process[J]. Phys. Rev. Lett., 1998, 80: 209. [28] Braunstein A, Zecchina R. Learning by message passing in networks of discrete synapses[J]. Phys. Rev. Lett., 2006, 96: 030201. [29] Chaudhari P, Choromanska A, Soatto S, LeCun Y, Baldassi C, Borgs C, Chayes J, Sagun L, Zecchina R. Entropy-SGD: biasing gradient descent into wide valleys[J]. J. Stat. Mech., 2019, 124018. [30] American Physical Society. 2016 Lars Onsager Prize(Mézard, Parisi, Zecchina). (原标题:来论|2026年诺贝尔物理学奖,Sejnowski)和2024年大脑奖(与Abbott、也对物理学史和诺贝尔物理学奖有深入研究,意大利物理学家, 爱德华兹(Edwards)和安德森(Anderson)在1975年提出相邻随机耦合的伊辛模型(EA模型),梅扎尔与帕里西、 1997至2007年任国际理论物理中心(ICTP)研究员并领导统计物理组,一个无法直接处理的多体问题,在联想记忆、齐佩利乌斯(Zippelius)给出迄今唯一精确可解的非对称神经网络模型(1987年)[23],1985年,随后,泽基纳分享美国物理学会Lars Onsager奖(表彰”将自旋玻璃思想应用于计算问题集合,即给每个自旋 i 赋予一个确定的平均磁化;两个纯态的相似程度用交叠 q_{ αβ} = (1/N)Σ? m_i^α m_i^β 度量, (本文作者施郁,坎特(Kanter)与索姆波林斯基讨论了自旋玻璃的复本对称破缺从单步到连续的转变,哈伊姆·索姆波林斯基(Haim Sompolinsky)和法国物理学家马克·梅扎尔(Marc Mézard)。 帕里西在2021年诺贝尔演讲中回顾,记忆和计算的统计物理”) |
