报告题目：AI for Stochastic Physics

报告时间：2024年11月22日 15：00

报告地点：成龙校区第一教学楼A107

报告摘要：

  Machine learning and stochastic dynamics have deep connections and cross-feed each other. I will report our recent progress in three specific questions: (1) tracking the time-evolving probability distribution for stochastic reaction networks by the variational autoregressive neural network; (2) characterizing a type of dynamical phase transition in nonequilibrium statistical mechanics; (3) learning noise-induced transitions by multi-scaling reservoir computing. The results demonstrate how machine learning can help understand stochastic dynamics.
报告人简介：

  汤迎，电子科技大学基础与前沿研究院教授，国家级青年人才，研究领域为机器学习、统计物理、开放量子系统、随机动力学等。近期研究成果包括：提出了演化神经网络的方法追踪高维随机反应网络演化；发展了时间序列动力学互信息的计算框架；发现非平衡量子系统中磁场不做功却仍能增大自由能等。研究发表在Nature Machine Intelligence，Nature Communications，Physics Review E，Nature，Nature Methods等，共发表论文23篇，其中第一或通讯作者16篇，谷歌学术引用3800余次。

【编辑：唐荣】