非对称动力学伊辛系统中的精确均场推理
文章提出了一种基于动态空腔方法的方法来推断动力学 Ising 模型中的耦合和外部场，相较于现有的平均场方法，此方法能够更好地获取不同时间步长下的相关性。
Jul, 2012
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
本文提供了一种新的较优 KL 误差的均场近似上下界，并推广到高阶马尔可夫随机场。结合组合数学和优化技术，我们还研究了估计 Ising 模型及马尔可夫随机场自由能的算法问题。我们提供了多种算法，在多项式时间复杂度内误差均控制在某个界内。
Feb, 2018
本文研究了非平衡系统下复杂网络交互结构的推断问题，提出了一种精确的迭代反演算法，并开发了基于动力均场和 Thouless-Anderson-Palmer 方程的有效近似方法来表达相互作用。
Sep, 2010
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
研究了具有正交相互作用矩阵的 Ising 自旋模型中的亚稳态，特别关注随机模型和两种非随机模型。通过整合高温膨胀计算 Gibbs 自由能得到平均场方程。对于某些特殊的非随机情况，我们可以找到自由能的绝对最小值。最后，我们提出了一个明显不相关的复制计算，可以复制得到所有 tap 解决方案的分析表达式。
Mar, 1995
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
本文研究介绍了关于在局部收敛于树的图上的铁磁伊辛模型，通过证明原始图上的玻尔兹曼分布局部收敛于适当无限随机树上的玻尔兹曼分布并迭代一组平均场（空穴）方程，证明了定理无论在任何正温度和外部场中都能预测自由能的极限，同时局部边际分布可以近似。
Apr, 2008