介绍了推断问题中的相变和统计物理之间的联系，详细阐述了类似 Ising 模型的推断问题，以及解决图和网络上的聚类和稀疏估计问题的应用。

Nov, 2015

这篇论文介绍了在统计物理学、计算机科学和神经生物学交叉领域中涌现的模型统计方法，如关联复制和空腔方法，信息传递的概念和其在神经计算和学习中的应用，以期提供更好的理论和技术支持解决神经网络中的复杂计算问题。

Jan, 2013

本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

Sep, 2011

通过提供稀疏建模和压缩感知的基本理论介绍，讨论了一些有效的方法来恢复优化问题的稀疏解，并介绍了稀疏恢复在稀疏字典学习中的应用。

Aug, 2023

论文概述了统计力学方法在神经网络中的应用，重点讨论了感知器结构、训练误差配置和解空间的平均形状等主题。

Sep, 2023

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

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。

Apr, 2023

介绍了使用物理学方法来改进保护医疗记录等隐私数据的机器学习系统，采用张量网络架构来保证特定类型的保密泄漏并取得了相对较好的效果。

Feb, 2022

本研究通过利用物理对称性作为潜空间的一致性约束，并将其应用于后续的无监督学习中，以学习诸如线性音高因素之类的低维数据表示，并进一步提出了用于改进样本利用率的表示增强技术。

Feb, 2023

该论文提出了一个几何统计分析框架，适用于泛化的不适定线性反问题模型，包括噪声压缩感知、符号向量恢复、迹回归、正交矩阵估计和噪声矩阵完成等特殊情况，提出了可行的计算凸规划方法，用于统计推断，包括估计、置信区间和假设检验。该论文建立了一个理论框架，以表征局部估计收敛速度，并提供统计推断保证，其结果基于局部锥几何和对偶性，并通过高斯宽度和 Sudakov 最小化估计量表征局部切锥的几何。

Apr, 2014