使用 Ising 模型描述和分析视网膜神经元的相关放电活动，展示二元交互作用可解释观察到的高阶相关性，并研究人工构建的神经元网络在不同规模下的临界点和集体行为。

Nov, 2006

本文介绍了一种基于 Ising 神经网络模型的数据分析方法，通过调整简单模型网络中的参数使其尽可能地拟合实验获得的神经元间数据，以研究神经元网络中的联系和影响。

Jun, 2011

本文通过 Ising 模型描述 40 个神经元之间的相关触发活动，发现神经元之间的配对相互作用影响高阶相关性；作者构建神经网络的基础上，增加规模进一步研究其热力学特性和编码能力，并对 2 种与神经编码相关的现象进行深入研究。

Dec, 2009

本研究证明基于成对交互的概率模型，尤其是伊辛模型，能够准确地描述从神经元到基因等多种真实生物网络实验数据。通过将统计物理和机器学习的思想相融合，我们展示了一种新的反演求解方法，并发展出了针对真实神经元数据的一些有效的求解技巧。我们的算法不仅仅可以在几分钟内学习描述四十个神经元的伊辛模型，而且可以分析更大的数据集，从而验证这些网络的集体行为假设。

Dec, 2007

通过在受限玻尔兹曼机的能量函数和包括自旋之间高阶相互作用的有效伊辛自旋哈密顿量之间建立直接映射，我们提出了一种简单的解决方案，可以描述复杂数据集，实现学习正确的交互网络，并为其在建模有趣数据集中的应用铺平了道路。

Sep, 2023

本文旨在解决反 Ising 问题，介绍了几种平均场近似的公式并推导了 Bethe 近似的新解析表达式，以此来比较其在随机图和规则晶格上定义的多种模型（包括稀释铁磁体和自旋玻璃）的准确性，并提出了简易改进。但也发现了在存在外部场的情况下，基于 TAP 和 Bethe 近似的方法有基础的局限性。

Dec, 2011

本文利用蒙特卡罗方法构建了一种对量子 ISING 模型进行精确拟合度检验的算法，并将其应用于分析细胞膜受体的空间组织。

Oct, 2014

本研究基于最大熵理论和马尔可夫假设，以模型为基础实现了对分布式脉冲活动中人口模式出现的预测，并成功优于只考虑成对相关性的伊辛模型。同时，实验数据表明这种方法也适用于慢波睡眠等过程的分析。

Mar, 2009

研究了最近提出的一种从动力学相互作用的异构性动力学 Ising 模型有限长度轨迹的学习耦合的算法的性能，分析了学习速度与动力学引起的自旋之间的非平凡等时互相关性之间的重要性，尤其是当自旋的随机性降低时。同时，还分析了估计误差与渐近最优性的偏差。

Aug, 2015

描述了异步动力学 Ising 模型中的耦合如何被推测，并讨论了两种情况下的学习规则和数值方法。

Sep, 2012