更改

跳到导航 跳到搜索
添加3,445字节 、 2021年7月31日 (六) 21:13
无编辑摘要
第91行: 第91行:  
==编者推荐==
 
==编者推荐==
 
===集智视频===
 
===集智视频===
[https://campus.swarma.org/mobile/course/1121 热力学第二定律与耗散结构]
+
====[https://campus.swarma.org/mobile/course/1121 热力学第二定律与耗散结构]====
 +
[File:c11acc268580c180545e52e82cf74eab.png|thumb|right|200px|图1:张江,北京师范大学系统科学学院教授,集智俱乐部创始人。目前主要研究课题是复杂系统自动建模。]
 +
该课程难度为中级,讲师为张江(图1)。本课程中,将带领大家认识热力学第二定律,重点关注熵是什么,以及它为什么可以构成万事万物演化的时间之箭。
 +
 
 +
爱因斯坦说过,你可以不知道牛顿第二定律,但你不能不知道热力学第二定律。熵到底是什么?它为什么可以构成万事万物演化的时间之箭?令人意想不到的是,我们不仅仅是一个虚无缥缈的斑图,更是一个处于流变之中的耗散结构斑图。你只有不断开放,从系统获取负熵,才能勉强维持生存。
 +
 
 +
 
 +
 
 +
 
 
===集智文章===
 
===集智文章===
[https://swarma.org/?p=21273 什么是耗散系统 | 集智百科]
+
====[https://swarma.org/?p=21273 什么是耗散系统 | 集智百科]====
[https://swarma.org/?p=27293 PRL前沿:重整化群和信息论的关联]
+
 
[https://swarma.org/?p=21259 重整化群:从微观到宏观,不同尺度的现象如何联系起来?]
+
耗散系统 Dissipative system 是一种远离热力学平衡的热力学开放系统,运行在与之交换能量和物质的环境中。例如,龙卷风可以被认为是一个耗散系统。耗散结构 Sissipative Structure 是一种耗散系统,其动力学性质在某种意义上是一种可重复的稳定状态。可以通过系统的自然进化、使用技巧来进化或两者的结合来达到这种可重复的稳定状态。
[https://swarma.org/?p=1294 如何对复杂系统进行重整化?机器学习可以给你答案 | 傅渥成]
+
 
 +
耗散结构的特点是自发出现对称性破缺(各向异性)和形成复杂的、有时是混沌的结构,在这些结构中,相互作用的粒子展现出长程关联的性质。日常生活中的例子包括对流、湍流、旋风、飓风和生物体。较少见的例子包括激光、b 细胞、液滴簇和BZ反应 Belousov–Zhabotinsky reaction。
 +
 
 +
[File:wxsync-2020-10-14f3f916a055bce9e626c8e60686190a.jpeg|300px|thumb|right|]
 +
 
 +
====[https://swarma.org/?p=27293 PRL前沿:重整化群和信息论的关联]====
 +
 
 +
因复杂物理系统的分析取决于从众多其他自由度中提取相关自由度的能力。尽管人们对机器学习寄予厚望,但它也带来了可解释性的挑战。研究人员通常不清楚学习到的“相关”特征与物理理论的对应关系。
 +
 
 +
在最近发表在 Physics Review Letters 的一篇文章中,研究人员报告了有助于解决这个问题的理论结果:他们建立了重整化群的场论相关性与信息瓶颈(information bottleneck,IB)理论定义的相关性概念之间的等价性。他们的分析表明,对于由场论描述的统计物理系统,使用IB理论发现的自由度确实对应于具有最低标度维数的算子。他们以数值方式证实了他们的场论预测。研究人员研究了IB算法对物理对称性的依赖性。他们的发现提供了一个连接两个不同理论的方法,以及一个在物理的深度学习应用中能够给出物理可解释性的例子。
 +
 
 +
====[https://swarma.org/?p=21259 重整化群:从微观到宏观,不同尺度的现象如何联系起来?]====
 +
 
 +
从基本粒子到原子、光波、水波,自然似乎倾向于将自己分裂成不同尺度的独立世界,而重整化的过程则将小尺度与大尺度联系起来。有物理学家认为,重整化可以说是过去50年理论物理学中最重要的进展。在亚原子物理学中,重整化告诉我们,何时可以只处理相对简单的质子,而忽略掉其内部彼此纠缠的夸克。
 +
 
 +
====[https://swarma.org/?p=1294 如何对复杂系统进行重整化?机器学习可以给你答案 | 傅渥成]====
 +
 
 +
在没有任何先验信息的情况,能不能利用机器学习的方法,学会某种“窥一斑而知全豹”的方法,找到那些适当的自由度来进行后续的重整化操作呢?近期发表在 Nature 的一篇论文讨论了这一问题,下面是傅渥成对这篇论文的解读。
 +
 
     
1,068

个编辑

导航菜单