本文将机器学习中使用的Boltzmann机与量子物理中的Feynman路径积分进行了类比。作者提出,神经网络中的隐藏层可以被视为Feynman路径积分形式论中路径元素的离散版本。这种联系使得开发适用于Boltzmann机和Feynman路径积分的通用量子电路模型成为可能,并通过将可解释的隐藏层与逆量子散射问题相关联,提供了一种定义它们的方法。 AI
影响 探索机器学习模型与量子物理之间的理论联系,可能启发新的模型架构。
排序理由 这是一篇探讨机器学习与量子物理之间理论联系的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- neural networks
- quantum mechanics
- quantum statistical mechanics
- Srinivasan Iyengar
- Boltzmann machines
- Feynman path integrals
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →