Apr, 2023

物理知识驱动表示学习：用于复杂动态系统中的新兴组织

PDF
TL;DR通过数据驱动算法和高性能计算，我们构建了一个基于时空光锥的框架，用于实现新现象的自组织，并且本文指出局部因果状态可以在复杂的时空系统中捕捉有序行为和一致结构。在二维湍流方面，我们证明了局部因果状态捕捉了涡旋及其幂律衰减行为，而在应用方面，我们演示了局部因果状态可用于识别已知（飓风和大气河流）和新的极端天气事件，并且可以通过高分辨率气候数据进行时间跟踪。
nonlinearly interacting systemself-organizationemergent organizationlocal causal statesunsupervised machine learning
发现论文，激发创造
  • 非平衡物理：从自旋玻璃到机器和神经学习

    混沌多体系统的新兴智能行为可以通过统计物理学来表征，探索学习机制与物理动力学之间的关系，以设计适用于人工智能应用的智能系统。

    Aug, 2023

  • 紧急组织的原则

    物理学自发自组织问题的历史、现状和挑战，以及两种现代数学形式化方法的概述，展示了如何通过统计力学得出结构化状态的生成原理。

    Nov, 2023

  • 具有自下而上自组织特性的动力学方程，可在无损失函数的情况下学习精确的动力学层次结构

    本文提出了一种基于非线性动力学的学习系统，能够通过正反馈循环定义模式，并从时间序列数据中学习层次结构，这个系统在七个实验和两个现实问题中准确度足以超过现有非监督学习算法，同时展示了自组织是如何实现模式识别与简单的动力学方程中出现智能行为的潜力。

    Feb, 2023

  • 复杂自适应系统中的出现检测的时空一致性学习的层次框架

    该论文提出了一个层次结构框架，通过学习系统表示和代理表示来解决在复杂适应系统中通过本地观察检测系统中的 Emergence 形成和消失导致的问题。特别是，该方法通过自我监督的方式保持了内在的时空一致性，实现了比传统方法和深度学习方法更准确的检测，并且具有通用性，可以在代理级别和系统级别检测中使用其他深度学习方法。

    Jan, 2024

  • 基于图形的主动物质模型仿真推断

    本文研究了非平衡态下存在的集体系统，详细探讨了个体材料组分内部能量以及小扰动对整个系统流变性质的全球影响，利用模拟推断方法依据少量图像数据提取了集体系统参数的可行性，着重强调了复杂集体系统内部的结构关系是生成模型和数据更精确匹配的重要因素。

    Apr, 2023

  • 基于物理信息的扩散反应系统局部学习

    本文提出一种新的物理学和边界条件意识的局部学习方法，扩展 Embed-to-Control 和 Embed-to-Control 和 Observed 模型，用于学习 Advection-Diffusion Reaction 系统中全局状态变量的局部表示，经过油藏模拟数据训练的模型能够预测系统的未来状态，相对于原始 E2C 和 E2CO 模型，缩短了训练时间并提高了准确性。

    May, 2023

  • 时间扭曲入微：学习动力系统的拓扑不变量

    我们提出了一个基于数据驱动的、物理上可行的深度学习框架，用于分类动力学区域和表征分支边界，基于提取拓扑不变特征。我们还演示了该方法在分析真实数据中的使用，通过基于单细胞数据，在基因表达空间中恢复胰岛内分泌发育轨迹上的不同增殖和分化动态。我们的方法为各种动力学系统的定性长期行为提供了有价值的洞察，并能检测大规模物理和生物系统中的分叉或灾变转变。

    Dec, 2023

  • 数据中的发现：启发式学习因果涌现

    通过最大化有效信息来学习宏观动力学模型，进而捕捉和量化数据中的因果性出现模式，并展示了模型在模拟和真实数据上的有效性和优良的泛化能力。

    Aug, 2023

  • 自然灵感的局部传播

    利用大数据集合取得的机器学习的显著成果，尤其是生成式人工智能的最新进展，与自然界中的智能过程相对立，后者并不需要这样的数据集合，仅通过环境信息的在线处理即可，本文表明这种特征源于借鉴理论物理学的相关研究，展示了当传播速度趋于无穷大时，所推导的 “学习规律” 的算法解释退化为反向传播，这为基于完全在线信息处理的机器学习研究开辟了门路，其中使用了新提出的时空局部算法代替反向传播。

    Feb, 2024

  • 从观察中学习集体行为

    通过设计合适的损失函数，利用变分逆问题方法，我们提出了一系列学习方法，用于识别动态系统的结构，以了解相互作用代理系统中的新兴行为，能够有效处理高维观测数据，包括一阶和二阶动态系统的观测数据，考虑观测 / 随机噪声、复杂的相互作用规则、缺失的相互作用特征和实际世界观测，在学习方法中固有地提供了降维能力。

    Nov, 2023