报告简介
2024年诺贝尔物理学奖颁发给John Hopfield和Geoffery Hinton，以表彰他们在基于神经网络的机器学习方面的基础发现和创新。在这个报告中，张潘研究员将顺着统计物理的视角，从伊辛模型出发，逐步介绍Hopfield和Hinton的主要贡献，其中包括Hopfield模型、反向传播算法、Boltzmann机、无监督预训练以及AlexNet深度神经网络。此外，报告还将回顾统计物理和机器学习在上个世纪末期的精彩的合作历程，并对未来的物理与机器学习的发展方向进行简单的展望。
报告人
张潘，中国科学院理论物理研究所研究员，长期从事统计物理、量子物理与机器学习交叉领域的研究。张潘与合作者提出了稀疏态张量网络方法，解决了谷歌悬铃木量子线路的采样问题，也提出了统计力学计算方法的新框架以及张量网络机器学习模型玻恩学习机。他的科研成果获得了2023年国家杰青项目支持，并获得了2023年中国科学院青年科学家奖，以及2022年北京市自然科学奖二等奖。自2023年起，张潘研究员担任物理学国际核心期刊《Physical Review Letters》的编委。
微信号｜ITP-CAS
开放 交融 求真 创新
· 中国科学院 ·
· 理论物理研究所 ·
