Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
Dit artikel toont aan dat machine learning-technieken, waaronder ongesuperviseerde clustering, gesuperviseerde classificatie en symbolische regressie, effectief de fasestructuren, algebraïsche invarianten en overdraagbare dynamische vingerafdrukken van Clifford- en Grassmann-waardige cellulaire automaten kunnen blootleggen, waarbij wordt onthuld hoe metrische signaturen en normalisatieprotocollen de opkomst van orde, chaos en algebraïsche diversiteit beïnvloeden.