- 贝叶斯最优矩阵分解中的相变和样本复杂度
使用统计力学工具分析了矩阵分解问题的可实现性和计算可处理性，在贝叶斯最优推断设置下计算任意计算时间内可能实现的最小均方误差和有效近似迭代推理算法可以达到的误差。
- 复杂网络的双曲几何
研究采用非欧几里得超几何模型来探讨复杂网络结构、度分布和拓扑性质，建立了网络结构与统计力学之间的映射，证明这种模型可以最大化网络传输效率，并且对于各种突发的破坏和损坏非常稳健。
- 更多的是相同的；相变与平均场理论
本文研究相变的早期理论，介绍了与统计物理和凝聚态物理有关的一组相关概念，包括奇点、秩序参数、平均场理论和变分方法。
- 随机矩阵计算揭示景观复杂度的复制对称性破缺条件
本文探讨了单个经典粒子在随机 $N$ 维高斯场中的统计力学和相关能量面的特性，使用随机矩阵方法计算稳定点和极小值点的密度，研究了曲率势和抛物线势的情况，并讨论了沿曲率变化程度对鞍点复杂度的影响。
- 一个信息论的视角：聚类数量
研究聚类问题中的最优聚类数量问题，提出了一种基于信息理论框架的方法，其利用熵和温度之间的关系来找到数据集的最佳聚类数量，以及通过校正聚类标准来解决采样误差问题，找到最大的有意义结构和聚类的解决方案。
- 复杂网络的统计力学
本文回顾了复杂网络领域的最新进展，重点讨论了网络拓扑和动态的统计力学。通过回顾激发最近对网络兴趣的实证数据，讨论了主要模型和分析工具，包括随机图、小世界和无标度网络等，以及拓扑与网络抵抗故障和攻击的稳健性之间的相互作用。
- 重整化群和概率论
本文简要介绍重整化群在相变理论中的应用及其概率学解释.
- 感知机学习动力学的统计力学分析
本文介绍了应用统计力学工具分析感知机中各种监督学习规则动态的方法。通过提供与自我传授想法及技巧相关的信息，展示了理论预测与实验结果的比较，以及孤立结果的聚合。
- Sigmoid 信念网络的平均场理论
本文基于统计力学的思想，发展了一种适用于 Sigmoid 信念网络的均场理论，能够对真实的概率分布进行可追溯的逼近，并提供证据可能性的下限。我们展示了该框架在统计模式识别领域中的实用性，特别是在手写数字分类的基准问题上。