1,068
个编辑
更改
→编者推荐
[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？]
[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？]
[file:wxsync-2020-10-5e9c8d76f2b8177de30c4768d155c9a2.jpeg |200px|thumb|right|图1：我们不需要分析单个的水分子来理解水滴的行为，也不需要分析水滴来研究水波。这种在不同尺度之间转移焦点的能力正是重整化的本质。]
[[file:wxsync-2020-10-5e9c8d76f2b8177de30c4768d155c9a2.jpeg |200px|thumb|right|图1：我们不需要分析单个的水分子来理解水滴的行为，也不需要分析水滴来研究水波。这种在不同尺度之间转移焦点的能力正是重整化的本质。]]
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。不过，当问题简化之后，那些忽略掉的微观细节要如何看到呢？（图1）
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。不过，当问题简化之后，那些忽略掉的微观细节要如何看到呢？（图1）
[https://swarma.org/?p=28280 尤亦庄：深度学习和重整化群（图2） | 因果涌现读书会第二期]
[https://swarma.org/?p=28280 尤亦庄：深度学习和重整化群（图2） | 因果涌现读书会第二期]
[file: wxsync-2021-08-5c52c146fc9aa4d883f69938783a7e35.png |200px|thumb|right|图2]
[[file: wxsync-2021-08-5c52c146fc9aa4d883f69938783a7e35.png |200px|thumb|right|图2]]
什么是重整化技术？重整化技术的发展脉络和最新进展是什么？重整化技术与当前的深度学习技术有什么关联？如何借助重整化技术来解决当前深度学习中面临的一些问题。加州大学圣地亚哥分校助理教授尤亦庄将带你共同梳理关于重整化技术的一些进展。
什么是重整化技术？重整化技术的发展脉络和最新进展是什么？重整化技术与当前的深度学习技术有什么关联？如何借助重整化技术来解决当前深度学习中面临的一些问题。加州大学圣地亚哥分校助理教授尤亦庄将带你共同梳理关于重整化技术的一些进展。
[https://swarma.org/?p=27293 PRL前沿：重整化群和信息论的关联]
[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。
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。