Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
본 논문은 비지도 클러스터링, 지도 분류, 기호 회귀를 포함한 머신러닝 기법이 클리포드 및 그라스만 값 셀룰러 오토마타의 상 구조, 대수적 불변량, 그리고 전이 가능한 역학적 지문을 효과적으로 밝혀낼 수 있음을 입증하며, 이를 통해 메트릭 시그니처와 정규화 프로토콜이 질서, 혼돈, 그리고 대수적 다양성의 발현에 어떻게 영향을 미치는지 드러낸다.