Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
Cet article démontre que les techniques d'apprentissage automatique, incluant le partitionnement non supervisé, la classification supervisée et la régression symbolique, peuvent révéler efficacement les structures de phase, les invariants algébriques et les empreintes dynamiques transférables des automates cellulaires à valeurs de Clifford et de Grassmann, révélant comment les signatures métriques et les protocoles de normalisation influencent l'émergence de l'ordre, du chaos et de la diversité algébrique.