statistical mechanics
PulseAugur coverage of statistical mechanics — every cluster mentioning statistical mechanics across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新研究通过球形分解和统计力学探索高斯混合模型
两篇新研究论文从不同的分析视角探讨了高斯混合模型（GMM）。第一篇论文介绍了一种使用球形径向分解的方法，将GMM概率函数表示为欧几里得球体上的积分，并建立了可微性条件和梯度表示。第二篇论文将统计力学应用于GMM和非参数最大似然估计（NPMLE），提供了改进的稳定性保证，并深入探讨了NPMLE与随机能量景观中的混沌等概念之间的关系。
-
统计力学用于解释机器学习和记忆
本论文使用统计力学的工具，探讨机器学习和人工神经网络的理论基础。旨在增进对这些系统如何学习和记忆数据的理解，重点关注隐式低维学习结构和对抗性攻击的理论基础。研究调查了密集联想记忆和受限玻尔兹曼机，以分析不同的学习和记忆模式。
-
新研究通过随机热力学构建生成模型
一篇新论文探讨了随机热力学在基于SDE的生成模型（如扩散模型和薛定谔桥）中的应用。该研究引入了功、热量和熵产生的轨迹层面定义，以及一个广义的Jarzynski恒等式和一个类似第二定律的不等式。这个热力学框架将现有设置扩展到处理随时间变化的浴温度和非保守力，为这些生成模型提供了非平衡统计力学的新视角。
-
对机器学习中归一化常数估计的新的复杂性分析
研究人员开发了一个新的理论框架，用于分析概率分布中归一化常数估计的复杂性。这项工作侧重于退火重要性采样方法，提供了非渐近分析，在达到指定的相对误差时，其预言机复杂性为 \(\\widetilde{O}(\frac{d\beta^2{\mathcal{A}}^2}{\varepsilon^4})\)。该分析利用Girsanov定理和最优传输，避免了显式的等周假设。此外，还提出了一种使用反向扩散采样器的新算法来处理大作用量和多模态问题，并…