- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

物理学在机器学习中的应用以及两者的交叉融合正引起广泛关注, 尤其是在波动系统和扩散系统中. 本文重点关注波动与扩散物理系统和机器学习之间的内在联系以及对机器学习算法和物理实现的推进作用, 综述了波动系统和扩散系统中的机器学习研究, 介绍了部分最新研究成果. 文中首先讨论了监督学习的波动系统实现, 包括神经网络的波动光学实现、量子搜索的波动实现、基于波动系统的递归神经网络以及神经形态的非线性波动计算. 接着, 文中继续讨论了受扩散系统启发的机器学习算法, 如基于扩散动力学的分类算法, 基于热扩散的数据挖掘和信息过滤, 以及基于群体扩散的搜索优化等. 波动系统以其天然的并行性、高效、低能耗等优势, 通过丰富的波动力学和波动物理现象进行计算或算法模拟, 正成为机器学习的新型物理载体. 扩散系统中的物理机制可以启发构建高效的机器学习算法, 用于复杂系统和物理学研究中的分类、优化等问题. 期望通过对波动、扩散物理系统与机器学习内在联系的讨论, 能够为开发物理启发的新算法和硬件实现甚至软硬一体化带来抛砖引玉的启示.

关键词:

Abstract

Recently, the application of physics to machine learning and the interdisciplinary convergence of the two have attracted wide attention. This paper focuses on exploring the internal relationship between physical systems and machine learning, and also on promoting machine learning algorithm and physical implementation. We summarize the researches of machine learning in wave systems and diffusion systems, and introduce some of the latest research results. We first discuss the realization of supervised learning for wave systems, including the wave optics realization of neural networks, the wave realization of quantum search, the recurrent neural networks based on wave systems, and the nonlinear wave computation of neural morphology. Then, we discuss the machine learning algorithms inspired by diffusion systems, such as the classification algorithm based on diffusion dynamics, data mining and information filtering based on thermal diffusion, searching for optimization based on population diffusion, etc. The physical mechanism of diffusion system can inspire the construction of efficient machine learning algorithms for the classification and optimization of complex systems and physics research, which may create a new vision for the development of physics inspired algorithms and hardware implementation, and even the integration of software and hardware.

Keywords:

作者及机构信息

1.
2.

通信作者:任捷,xonics@tongji.edu.cn

基金项目:国家自然科学基金 (批准号: 11935010, 11775159)、上海市自然科学基金 (批准号: 18JC1410900)、上海市特殊人工微结构材料与技术重点实验室项目和中央高校基本科研业务费专项资金资助的课题

Authors and contacts

1.
2.

Corresponding author:Ren Jie,xonics@tongji.edu.cn

Funds:Project supported by the National Natural Science Foundation of China (Grant Nos. 11935010, 11775159), the Natural Science Foundation of Shanghai Science and Technology Committee, China (Grant No. 18JC1410900), the Opening Project of Shanghai Key Laboratory of Special Artificial Microstructure Materials and Technology, China, and the Fundamental Research Funds for the Central Universities, China

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]
[60]
[61]
[62]
[63]
[64]
[65]
[66]
[67]
[68]
[69]
[70]
[71]
[72]
[73]
[74]
[75]

施引文献

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]
[60]
[61]
[62]
[63]
[64]
[65]
[66]
[67]
[68]
[69]
[70]
[71]
[72]
[73]
[74]
[75]

[1]	宋睿, 刘雪梅, 王海滨, 吕皓, 宋晓艳.机器学习辅助的WC-Co硬质合金硬度预测. 必威体育下载 , 2024, 73(12): 126201.doi:10.7498/aps.73.20240284
[2]	张旭, 丁进敏, 侯晨阳, 赵一鸣, 刘鸿维, 梁生.基于机器学习的激光匀光整形方法. 必威体育下载 , 2024, 73(16): 164205.doi:10.7498/aps.73.20240747
[3]	张嘉晖.蛋白质计算中的机器学习. 必威体育下载 , 2024, 73(6): 069301.doi:10.7498/aps.73.20231618
[4]	欧阳鑫健, 张岩星, 王之龙, 张锋, 陈韦嘉, 庄园, 揭晓, 刘来君, 王大威.面向铁电相变的机器学习: 基于图卷积神经网络的分子动力学模拟. 必威体育下载 , 2024, 73(8): 086301.doi:10.7498/aps.73.20240156
[5]	应大卫, 张思慧, 邓书金, 武海斌.基于机器学习的单拍冷原子成像. 必威体育下载 , 2023, 72(14): 144201.doi:10.7498/aps.72.20230449
[6]	张逸凡, 任卫, 王伟丽, 丁书剑, 李楠, 常亮, 周倩.机器学习结合固溶强化模型预测高熵合金硬度. 必威体育下载 , 2023, 72(18): 180701.doi:10.7498/aps.72.20230646
[7]	郭唯琛, 艾保全, 贺亮.机器学习回归不确定性揭示自驱动活性粒子的群集相变. 必威体育下载 , 2023, 72(20): 200701.doi:10.7498/aps.72.20230896
[8]	刘烨, 牛赫然, 李兵兵, 马欣华, 崔树旺.机器学习在宇宙线粒子鉴别中的应用. 必威体育下载 , 2023, 72(14): 140202.doi:10.7498/aps.72.20230334
[9]	管星悦, 黄恒焱, 彭华祺, 刘彦航, 李文飞, 王炜.生物分子模拟中的机器学习方法. 必威体育下载 , 2023, 72(24): 248708.doi:10.7498/aps.72.20231624
[10]	黎威, 龙连春, 刘静毅, 杨洋.基于机器学习的无机磁性材料磁性基态分类与磁矩预测. 必威体育下载 , 2022, 71(6): 060202.doi:10.7498/aps.71.20211625
[11]	艾飞, 刘志兵, 张远涛.结合机器学习的大气压介质阻挡放电数值模拟研究. 必威体育下载 , 2022, 71(24): 245201.doi:10.7498/aps.71.20221555
[12]	康俊锋, 冯松江, 邹倩, 李艳杰, 丁瑞强, 钟权加.基于机器学习的非线性局部Lyapunov向量集合预报订正. 必威体育下载 , 2022, 71(8): 080503.doi:10.7498/aps.71.20212260
[13]	张嘉伟, 姚鸿博, 张远征, 蒋伟博, 吴永辉, 张亚菊, 敖天勇, 郑海务.通过机器学习实现基于摩擦纳米发电机的自驱动智能传感及其应用. 必威体育下载 , 2022, 71(7): 078702.doi:10.7498/aps.71.20211632
[14]	李策, 杨栋梁, 孙林锋.基于二维层状材料的神经形态器件研究进展. 必威体育下载 , 2022, 71(21): 218504.doi:10.7498/aps.71.20221424
[15]	刘武, 朱成皖, 李昊天, 赵谡玲, 乔泊, 徐征, 宋丹丹.基于机器学习和器件模拟对Cu(In,Ga)Se₂电池中Ga含量梯度的优化分析. 必威体育下载 , 2021, 70(23): 238802.doi:10.7498/aps.70.20211234
[16]	林键, 叶梦, 朱家纬, 李晓鹏.机器学习辅助绝热量子算法设计. 必威体育下载 , 2021, 70(14): 140306.doi:10.7498/aps.70.20210831
[17]	杨自欣, 高章然, 孙晓帆, 蔡宏灵, 张凤鸣, 吴小山.铅基钙钛矿铁电晶体高临界转变温度的机器学习研究. 必威体育下载 , 2019, 68(21): 210502.doi:10.7498/aps.68.20190942
[18]	院琳, 杨雪松, 王秉中.基于经验知识遗传算法优化的神经网络模型实现时间反演信道预测. 必威体育下载 , 2019, 68(17): 170503.doi:10.7498/aps.68.20190327
[19]	彭向凯, 吉经纬, 李琳, 任伟, 项静峰, 刘亢亢, 程鹤楠, 张镇, 屈求智, 李唐, 刘亮, 吕德胜.基于人工神经网络在线学习方法优化磁屏蔽特性参数. 必威体育下载 , 2019, 68(13): 130701.doi:10.7498/aps.68.20190234
[20]	赵永平, 王康康.具有增加删除机制的正则化极端学习机的混沌时间序列预测. 必威体育下载 , 2013, 62(24): 240509.doi:10.7498/aps.62.240509

计量

文章访问数:7053
PDF下载量:432
被引次数:0

搜索

留言板