物理系统在神经网络中具有操作意义的表示
量子物理
2023-07-25 v1 人工智能
机器学习
摘要
为了科学进步，我们经常构建物理系统的抽象表示，以有意义地编码关于系统的信息。当前大多数机器学习技术学到的表示反映了训练数据中存在的统计结构；然而，这些方法不允许我们指定关于表示显式且具操作意义的要求。在此，我们提出一种基于如下观念的神经网络架构：处理物理系统不同方面的智能体应能以尽可能高的效率相互交流相关信息。这产生的表示将不同参数分离，这些参数有助于在不同实验设定下对物理系统作出陈述。我们给出了涉及经典与量子物理的示例。例如，我们的架构找到了任意两量子比特系统的紧凑表示，将局域参数与描述量子关联的参数分离。我们进一步表明，该方法可与强化学习结合，使智能体在需探索实验设定以识别相关变量的交互式场景中实现表示学习。
引用
@article{arxiv.2001.00593,
title = {Operationally meaningful representations of physical systems in neural networks},
author = {Hendrik Poulsen Nautrup and Tony Metger and Raban Iten and Sofiene Jerbi and Lea M. Trenkwalder and Henrik Wilming and Hans J. Briegel and Renato Renner},
journal= {arXiv preprint arXiv:2001.00593},
year = {2023}
}
备注
24 pages, 13 figures