绝然不同科学技术领域的数学渊源相通并不是不可思议的偶然巧合

2022年10月19日 0 Comments

“萨哈是最早将恒星的光谱与温度联系起来的人,其最著名的工作则是建立了描述元素电离平衡的萨哈方程

宇宙早期的热历史等问题的研究中,是现代天体物理和宇宙学不可或缺的基础理论工具.萨哈方程的推导仅需要用到描述离子和电子数密度的玻尔兹曼分布以及离子-电子系统达成电离平衡的平衡条件,是平衡态热力学和统计物理学的一个非常经典的应用实例.[10]”

“经过30年的努力,杰弗里·辛顿(Geoffrey Hinton)已经为利用物理学中的玻尔兹曼分布来建立高智能的人工神经网络系统铺平了道路.”[11]2006年,依靠将多个“玻尔兹曼机”进行叠加,杰弗里·辛顿建立了一种“深度学习”的网络结构.“玻尔兹曼分布在机器学习模型的设计中被广泛采用”,“实际上,你听说过的几乎每一个关于人工智能的进步,都是由30年前的一篇阐述多层神经网络的训练方法的论文演变而来,它为人工智能在最近十年的发展奠定了基础”.

在深度学习领域,辛顿的贡献是开创型的。他最先把反向传播用于多层神经网络,还发明了玻尔兹曼机.这些成果直接导致深度学习的实用化、科研教学的一体化.

2019年3月29日,深度学习领域三位先驱——约书亚·本吉奥、杰弗里·辛顿和雅恩·勒昆荣获2018年图灵奖.这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。

萨哈方程的推导仅需要用到描述离子和电子数密度的玻尔兹曼分布以及离子-电子系统达成电离平衡的平衡条件;“玻尔兹曼分布在机器学习模型的设计中被广泛采用”.

玻尔兹曼分布既是推导萨哈方程的数学原理,也是开发高智能人工神经网络系统的数学工具.对绝然不同的科学技术领域言之,数学渊源相通并不是不可思议的偶然巧合,而是“久经考验自然规律”高度可靠性与普遍性的必然结果.

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注