我们提出了一种基本的平均场方法，用于完全不对称的动力学伊辛模型，可应用于该问题的单个实例。

Mar, 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

该论文通过对 TAP 均场方程进行迭代求解，研究了具有随机耦合矩阵的 Ising 模型。作者使用动态函数方法分析了迭代算法，并提出了关于通用不变集合的隐式记忆项的表达式。通过去除它们，迭代只依赖于高斯分布的场。作者还表明，如果符合一个稳定性准则，则 TAP 磁化是稳定的固定点。作者在本文中明确探讨了从随机正交集合中获得的耦合矩阵的情况。

Sep, 2015

使用模拟皮层网络的数据，探究描述多神经元尖峰列统计学的成对 Ising 模型的最优耦合的优化方法和它们的统计特性，并通过比较不同的近似方法从一定程度上找到了这些最优耦合，但发现从小规模子集中提取耦合常常高估其大小，而且随着子集大小的增长，所用模型的拟合效果逐渐恶化，需要引入高阶相关性来描述大型网络的统计特性。

Feb, 2009

该文章介绍了逆向问题在统计物理学中的应用，特别是在生物学领域的大规模数据中的应用，重点关注逆向伊辛问题及其应用，通过给定观测自旋相关性、磁化或其他数据，推断自旋之间的耦合强度。文章回顾了伊辛问题的应用，包括神经连接重建，蛋白质结构测定和基因调控网络的推断。在统计力学社区中，已经开发了许多控制和非控制逼近方法，包括拟似似然方法等。此外，文章还介绍了非平衡问题中的伊辛问题，其中必须根据非平衡统计学重建模型参数。

Feb, 2017

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

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

研究了通过一个 Ising 模型样本对具有非负耦合矩阵大小为 $n imes n$ 的 Ising 模型的逆温度和磁化参数 $(eta, B)$ 的联合估计。证明了当 $A_n$ 是受限度图的邻接矩阵时，估计速率为 $n^{-1/2}$ 总是可能的，并且在 $A_n$ 是平均程度为 $+∞$ 的图的缩放邻接矩阵的情况下，即使该图在渐近意义下不是规则图，估计速率为 $n^{-1/2}$ 仍然是可能的。最后，证明了在参数 $p>0$ 与 $n$ 无关的 Erdős-Rényi 图上一致估计两个参数是不可能的，从而证实了在具有大度数的近似规则图上估计更困难。

Jan, 2018

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