化院小砖工,每周分享有趣干货,介绍学习和科研中在其他领域的灵感和收获。

 

第一个已经完成筹备的专栏是 深度学习——生物和物理化学视角 。今后还会涉及生物物理化学中的一些有趣的模型,比如蛋白质折叠、基因调控;也许偶尔会涉及一些计算社会科学、经济学的相关主题,毕竟许多有趣的现象都有着相似的深层结构,而这些在自然和人类社会中具有普遍性:

More is Different.

相互作用的个体,可以在新的时间和空间尺度上展现出新的规律。

Complex System
图1. 复杂系统

深度学习——生物和物理化学视角

也许我们都听说过,深度学习、人工神经网络深受脑科学和神经生物学启发。

然而相对来说鲜为人知的是,物理化学、统计力学在深度学习发展的历史上一直起着不可忽视的作用,并仍在为完善一般性的深度学习理论作出贡献。自由能势能面玻尔兹曼亥姆霍兹配分函数变分法微扰法采样涨落扩散相变临界现象重整化群,这些在学习中让我们“爱恨交加”的名词,在另一片璀璨的星河中,都在默默绽放着它们的光芒。甚至——被称为 “The Godfather of Deep Learning” 的 Geoffrey Hinton 教授,他的 PhD 导师 Christopher Longuet-Higgins 教授,就同时是一位理论化学家(后来从事认知科学研究)。

为此,我们花费了半年多的时间,整理了网络上零散的论文、讲座、问答、博客,试图勾勒出生物和物理化学思想在深度学习中的隐秘轮廓:

相比统计学,深度学习似乎更像统计力学

Concept Map 8

6个月,200天,辛勤筹备,只为心安,只为等你。