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.
Explore les équations intégrales neurales pour modéliser les systèmes du monde réel à l'aide d'équations fonctionnelles non locales et de réseaux neuronaux profonds.
Couvre le comportement chaotique dans des systèmes complexes, avec des applications dans divers domaines et un aperçu historique des principaux développements de la théorie du chaos.
Couvre la modélisation mathématique en chimie et en biologie, y compris les réactions chimiques, la cinétique enzymatique et la dynamique des populations.
Offre des informations sur la physique statistique de l'apprentissage, explorant la relation entre la structure du réseau neuronal et les systèmes désordonnés.
