Machine Learning the Phase Structure and Algebraic Invariants of Clifford- and Grassmann-Valued Cellular Automata
Este artigo demonstra que técnicas de aprendizado de máquina, incluindo agrupamento não supervisionado, classificação supervisionada e regressão simbólica, podem revelar eficazmente as estruturas de fase, os invariantes algébricos e as impressões digitais dinâmicas transferíveis de autómatos celulares com valores de Clifford e Grassmann, revelando como as assinaturas métricas e os protocolos de normalização influenciam a emergência de ordem, caos e diversidade algébrica.