AI4Physics？【MIT博士论文】探索物理建模与表示学习的交汇点

表示学习已经发展成一种多功能工具，能够在提供足够数据的情况下解决各种问题。本论文聚焦于两个主要方向：(1) 利用深度学习的力量应用于基础物理学；(2) 使用物理启发的工具来改进并为那些大规模、难以捉摸的黑箱算法提供一些启示。我们探索了一系列应用，这些应用改进了核物理和粒子物理研究的不同方面，涵盖从在线数据选择到离线数据分析的各个阶段。我们还探讨了深度学习如何通过机制可解释性的视角开启全新的研究方向，以(重新)推导基础理论以及重新诠释物理测量的全新方法。最后，我们研究了物理工具如何有助于更好地理解深度学习的动态，并为扩展机器学习前沿的算法和训练范式提供坚实的基础。