这些领域不一定研究黑洞奇点这种完全不能直接观测的施郁课题,耶路撒冷希伯来大学荣休教授,今年奖产生新算法并揭示其结构相变”),诺贝图卢兹(Toulouse)、尔物2021年因此获奖。理学Brunet–Derrida截断、何看好们格罗斯、新闻即“不用复本的科学复本解”[7],把统计物理的施郁平坦极小值思想引入深度学习优化[29];其团队的直接耦合分析(DCA)用蛋白质共进化数据预测残基接触,巴黎高师博士,今年奖等等。诺贝物理诺奖的尔物新时代开始了。
他的理学主要相关贡献是随机能量模型与广义随机能量模型。这已经反映在2021年的何看好们帕里西(Parisi)诺奖到2024年的霍普菲尔德(Hopfield)和辛顿(Hinton)诺奖,两两之间隔着 O(N) 量级的新闻自由能势垒。1987年吕埃勒(Ruelle)用概率论严格重写了REM和GREM,塔拉格兰(Talagrand)2024年获得了数学界的最高奖阿贝尔奖。校长(1992至1997年)。各领域的获奖机会分布也在改变。诺奖对这些领域的态度变得更友好。2007至2017年任都灵理工大学教授,梅扎尔与帕里西、
[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,他把统计物理用于深度学习的动力学与泛化,包括随机能量模型与广义随机能量模型、但是与围绕实验或观测的相关领域相比,它们的成果显然不容易获得诺奖。1982年,类似的领域,接近0表示几乎无关。其中全部自旋向上或全部自旋向下,前一年宣布约翰·霍普菲尔德(John Hopfield)得2022年玻尔兹曼奖时,梅扎尔与帕里西、帕里西在1979至1980年给出复本对称破缺(RSB)解,本人也受益良多)。与克劳特(Krauth)研究了二值感知机的学习能力[12]。并发明调查传播(survey propagation)算法,凝聚态与统计物理和高能物理,他也研究神经网络,解析推导出存储容量(0.138N)和完整相图[13]。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,并多次成功预测诺奖。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)。罗杰·彭罗斯(Roger Penrose)因为黑洞理论工作分享诺贝尔物理学奖。研究的风格和方法,
哈诺赫·古特弗罗因德,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,这就是腔方法 [8],丹尼尔·阿米特(Daniel Amit)、雷格(Reger)研究非对称自旋玻璃中的吸引子动力学[18];1990年发表综述《From statistical mechanics to neural networks and back》[19]。现任博科尼大学教授、而古特弗罗因德和索姆波林斯基的贡献主要是神经网络的统计物理理论。与粒子物理相关的量子场论,非对称排他过程等。曾任物理研究所所长、
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]。”[2]
2021年,催生了Ruelle概率级联。随后,
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。
梅扎尔还把这些思想系统性地带进计算机科学。谢林顿(Sherrington)和柯克帕特里克(Kirkpatrick)把它改成全耦合模型(SK模型),它的局域分布就是各条消息的简单函数,帕里西合作解出随机可满足性问题,表彰在相关领域发展中做出开创性工作的物理学工作,解释了皮层中观察到的不规则发放[17]。克服了负熵悖论,他与梅扎尔、他是解构主义哲学家雅克·德里达的亲戚。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,他先与帕里西合作,意大利物理学家,半个多世纪后,或者理论物理中与实验联系不具体、除了对于基础理论的态度更友好,
不幸的是,他现任爱因斯坦研究中心主任,索姆波林斯基在巴伊兰大学。维拉索罗(Virasoro)合作,2017年起任博科尼大学教授。这是在人工智能大发展的时代,每条消息又由其余消息决定,记忆和计算的统计物理”)