電子科大團隊在非平衡態(tài)統(tǒng)計物理研究領(lǐng)域取得顯著突破

近期，電子科技大學基礎(chǔ)與前沿研究院湯迎教授領(lǐng)銜的研究團隊，攜手中國科學院理論物理所張潘研究員及博士后劉晶，以及北京師范大學系統(tǒng)科學學院張江教授，在國際知名學術(shù)期刊《自然·通訊》上發(fā)表了一篇名為“學習非平衡統(tǒng)計力學與動態(tài)相變”的重要研究成果。

此文揭示了運用變分自回歸網(wǎng)絡(luò)解決非平衡態(tài)統(tǒng)計力學和動力學相變問題的最新進展。電子科技大學基礎(chǔ)院湯迎教授作為共同第一作者，與張潘研究員共同擔任通訊作者。電子科技大學基礎(chǔ)與前沿研究院為論文第一作者單位。

探索非平衡系統(tǒng)中的相變現(xiàn)象及其普遍規(guī)律，是統(tǒng)計物理研究的重要方向之一。在非平衡態(tài)統(tǒng)計物理中，動力配分函數(shù)被視為核心概念，其地位堪比平衡態(tài)統(tǒng)計物理中的系綜和配分函數(shù)。

然而，動力配分函數(shù)的求解遠比計算平衡態(tài)系統(tǒng)配分函數(shù)更為復(fù)雜，因為它涉及到對所有可能的系統(tǒng)狀態(tài)進行求和，同時還要考慮時間這一額外維度。

盡管在長期極限情況下，可以通過簡化處理和應(yīng)用大偏差理論等方法進行分析，但要準確計算系統(tǒng)在任何有限時間內(nèi)的動力配分函數(shù)仍然具有很大難度。

為此，本文提出了一種創(chuàng)新的計算方法［圖］。這種方法基于循環(huán)神經(jīng)網(wǎng)絡(luò)、PixelCNN和Transformer等自回歸生成模型，結(jié)合強化學習技術(shù)，預(yù)測系統(tǒng)在任意時刻的聯(lián)合概率分布。這項研究為動力配分函數(shù)的計算提供了新的思路和途徑。