Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
Este artículo demuestra que las técnicas de aprendizaje automático, incluyendo el agrupamiento no supervisado, la clasificación supervisada y la regresión simbólica, pueden descubrir eficazmente las estructuras de fase, los invariantes algebraicos y las huellas dactilares dinámicas transferibles de los autómatas celulares con valores de Clifford y Grassmann, revelando cómo las firmas métricas y los protocolos de normalización influyen en la emergencia del orden, el caos y la diversidad algebraica.