Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
Questo articolo dimostra che le tecniche di apprendimento automatico, inclusi il clustering non supervisionato, la classificazione supervisionata e la regressione simbolica, possono rivelare efficacemente le strutture di fase, gli invarianti algebrici e le impronte dinamiche trasferibili degli automi cellulari a valori di Clifford e Grassmann, rivelando come le firme metriche e i protocolli di normalizzazione influenzino l'emergere dell'ordine, del caos e della diversità algebrica.