外尔费米子研究 深度神经网络:从阿尔法狗到外尔费米子理论研究

2018-02-01
字体:
大中小
浏览:
文章简介：我们已经可以看到,在一些规则比较清晰的领域(比如围棋),深度神经网络可以让人工智能发挥巨大的优势,然后战胜人类本身.最著名的例子就是2016年3月的比赛中,采用

我们已经可以看到,在一些规则比较清晰的领域(比如围棋),深度神经网络可以让人工智能发挥巨大的优势,然后战胜人类本身。最著名的例子就是2016年3月的比赛中,采用了深度神经网络算法的阿尔法狗战胜了世界围棋高手李世石。

2016年6月21日,发现外尔费米子的中国研究小组成员之一翁红明邀请北京师范大学教授、人工智能专家郭平在中国科学院物理所做报告,讲解深度神经网络。

中国科学院物理所戴希研究员主持了本场报告会。

据观察,发现外尔费米子的中国研究小组的成员似乎试图探索深度神经网络与机器学习方法是否能用到凝聚态物理的理论研究之中。(最近拓扑凝聚态领域新闻不断,上海交通大学科研团队贾金锋研究组等据说已经在拓扑超导体中发现了可以应用于拓扑量子计算机的马约拉纳费米子,这些准粒子扰动物理江湖,从外尔费米子到马约拉纳费米子,理论计算与预言都很重要,阿尔法狗这样的利器不知道能不能派上用场。)

要了解深度神经网络,需要以下三个基本概念。

(1)输入输出关系

在传统的模拟电路研究中,可以把复杂电路看成一个黑箱,只抓住输入与输出两个函数,然后在频率域中把输出函数除以输入函数就可以得到这个黑箱的系统函数——也叫做传递函数。

这就好像输入的是一头猪,输出的是香肠,那么我们可以知道这个黑箱是一个做香肠的机器。

在报告中,郭平教授指出,在神经网络的研究中,也需要把输入与输出作为两个向量定出来(见下图的黄色与灰色部分)。输入层与输出层定好以后,再来构造神经网络内部的隐藏层。