物理学从没有错失工业革命浪潮，在人工智能急速发展的今天也一样。事实上，物理学对神经网络研究历史同样悠久，如霍菲尔德的联想记忆网络，也是2024年诺贝尔物理学奖的工作。而在感知学习、无监督学习、神经动力学方面，都存在物理学思想的深刻体现。

Pound-Drever-Hall解调原理 研究人员还利用机器学习（ML）来提高该触觉传感器的精度。他们使用多层感知器（Multilayer Perceptron，MLP）神经网络来辅助识别特定的盲文模式。长短期记忆网络（Long ...

摘要 2024年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿，这对很多人来说是出乎意料的。文章将从统计物理的视角，从伊辛模型出发，逐步介绍霍普菲尔德和辛顿的主要贡献，其中包括Hopfield模型、玻尔兹曼机、非监督学习，以及现代生成模型。还将回顾统计物理和机器学习在20世纪末期的精彩合作历程，并对未来物理与机器学习交互领域的发展方向进行简单展望。

给定一个高斯基元，我们通过输入其位置来检索与其隐式属性相对应的局部特征。然后，将局部特征输入到每个属性的多层感知器（Multi-Layer Perceptron，MLP）中：归一化尺度、旋转、不透明度以及残差SH系数。 最后，得到高斯体G的协方差矩阵。同样地，可以得到 ...