报告题目 | 神经网络正则变换 |
报告人 | 王磊 研究员 |
报告人单位 | 中国科学院物理研究所 |
报告时间 | 2025年3月4日（星期二）16：00 |
报告地点 | 环资楼一楼报告厅 |
主办单位 | 精准智能化学全国重点实验室 |
报告摘要 | 正则变换是处理哈密顿体系的经典技巧。通过合适的变量替换，正则变换可以简化、甚至彻底求解哈密顿体系。19世纪法国科学家夏尔·德劳奈花费20年和1800页解析推导，试图利用正则变换化简“日-地-月”三体问题。在更复杂的多体问题中，正则变换的广泛应用往往受限于繁琐的人工操作和解析计算。 在深度学习蓬勃发展的今天，我们可以将正则变换看作一种可学习的可逆变换，从而揭示它与流模型（一类概率生成模型）之间富有成效的联系。这一视角带来的新的挑战是如何在流模型中施加物理约束，例如辛结构、幺正性和置换等变性等。在本次报告中，我将结合具体问题介绍神经网络正则变换的设计与应用。我们会看到一门古老技艺的现代新生。神经网络正则变换是深度学习和多体物理研究交叉融合的一个实例，它可以用于识别经典哈密顿体系和自然数据中的非线性慢模，也可以变分求解相互作用电子和原子体系的热力学和谱函数。通过它我们也将了解肽链、电子气、量子固体等一系列跨领域的科学问题的新进展。 |
报告人简介 | 王磊，2006年本科毕业于南京大学，2011年在中国科学院物理研究所获得博士学位，此后在苏黎世联邦理工学院从事计算量子物理的博士后研究，2016年加入中科院物理所工作。主要研究方向是机器学习与量子多体计算的交叉领域。 |
