L'apprentissage automatique pour les systèmes quantiques multi-corps

Méthodes numériques stochastiques pour les systèmes quantiques à plusieurs corps

Explore les méthodes stochastiques pour les systèmes quantiques, y compris la diagonalisation exacte, les méthodes variationnelles, les réseaux neuronaux et l'apprentissage automatique.

Machine Learning optique : Exploiter la diffusion multiple pour l'efficacité

Explore l'utilisation de l'optique dans l'apprentissage automatique, en se concentrant sur la multiplication de matrice aléatoire à grande échelle par diffusion multiple de la lumière.

Hypothèse de thermalisation d'état propre

Explore l'hypothèse de thermalisation d'état propre dans les systèmes quantiques, en mettant l'accent sur la théorie de la matrice aléatoire et le comportement des observables dans l'équilibre thermique.

Méthode de variation dans la théorie relative du champ quantique

Déplacez-vous dans la méthode variationnelle dans la théorie du champ quantique relativiste sans coupure, mettant l'accent sur les états faiblement enchevêtrés et la transition vers les états de produits matriciels continus relativistes.

Physique statistique dans l'apprentissage automatique: Comprendre l'apprentissage profond

Explore l'application de la physique statistique à la compréhension de l'apprentissage profond en mettant l'accent sur les réseaux neuronaux et les défis de l'apprentissage automatique.