讲座主题：张量网络态与深度学习的交融

主讲人：  谢志远

工作单位：中国人民大学

活动时间：2020年10月4日 9：30-11：00

讲座地点：光电学院1511报告厅

主办单位：烟台大学光电信息科学技术学院

内容摘要：

张量网络态是物理学近十多年流行起来的一类量子多体波函数表示，基于它的一系列张量网络算法在凝聚态物理和统计物理中得到越来越多的关注。深度学习近年来取得了令人瞩目的成就，逐渐成为绝大多数计算机识别和探测任务中最重要的机器学习手段。同时，张量网络和神经网络在结构上的相似性，引起了人们对两个领域之间关联的密切关注。本报告主要讲述课题组最近在这个问题上的两个工作，一方面利用纠缠熵的物理学概念，提出了一类更高效的神经网络表示，在保持预测精度的前提下大幅度削减了网络参数，有望提高网络的可解释性和泛化能力；另一方面证明了"训练神经网络所使用的后向传播算法"与"优化张量网络所使用的二次重正化群方法"的等价性，在算法层面上建立了两者的关联，有望改善数值重正化群在复杂物理系统中的表现。

主讲人介绍：

谢志远，2007年本科毕业于哈尔滨工业大学，2012年在中科院理论物理研究所获得博士学位，2012.10-2015.9 在中科院物理所从事博士后研究工作，2015.10至今，为中国人民大学物理系副教授。研究方向为理论凝聚态物理，长期从事量子多体计算方法，尤其是数值的重正化群方法，在强关联体系中的发展和应用。所关注的系统，包括低维量子磁性系统、自旋玻璃与无序系统、二维高温超导体系、具有临界性质的经典统计系统等。最近有兴趣开始关注深度学习、物理学和金融学三者之间的交叉研究领域。