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

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

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

使用 naive mean field（nMF）和 Thouless-Anderson-Palmer（TAP）近似重构网络结构，研究不对称的 Sherrington-Kirkpatrick（S-K）模型使用异步更新，在温度 T 下找到了临界温度 Tc 约为 2.1，结果发现 TAP 在低温下表现略好，但随着温度升高，效果趋同于 nMF。

Nov, 2010

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

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

通过作者版本的 Stein 方法，我们建立了一种二进制数据模型的最大伪似然估计方法的根号 N 一致性，并且在关键温度下仍然有效，从而增强了这些模型的数学统计分析。

Apr, 2006

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

该研究探讨了如何从动态过程的相关样本中重构二值图形模型，并分析了基于交互筛选目标和条件似然损失的两个估计器的样本复杂性。我们发现，对于来自远离平衡的动态过程的样本，样本复杂度与混合速度快的动态过程相比呈指数级下降。

Apr, 2021

研究了球形 $p$- 自旋无序均场模型的 Langevin 动力学，证明了当系统尺寸 $N$ 无限增大时，实证的状态相关性和积分响应函数几乎肯定和一致地收敛于 Cugliandolo 和 Kurchan 引入的一对显式非线性积分微分方程的非随机唯一强解。

Sep, 2004