DNNs, Dataset Statistics, and Correlation Functions
本文认为深度神经网络在图像识别任务中的成功,本质上是在实现一种类似于凝聚态物理中关注“介观尺度相关结构”的方法论,即通过发现高阶相关函数来捕捉数据集中的结构特征,并以此解释了深度学习在统计学习理论之外表现出的泛化能力。
129 篇论文
物理学的历史分支致力于探索科学思想如何随时间演变,从古代的自然哲学到现代理论的建立。这一领域不仅梳理关键概念的起源,还揭示科学家们的思维历程如何塑造了我们今天对宇宙的理解。在 Gist.Science 上,我们专注于让这份珍贵的思想遗产变得触手可及。
所有收录于此的论文均来自 arXiv 预印本服务器。我们团队会实时处理该类别下的每一份新预印本,为读者提供通俗易懂的通俗解读与详尽的技术摘要,帮助不同背景的人跨越专业门槛。以下是该领域最新的论文列表,欢迎探索。
本文认为深度神经网络在图像识别任务中的成功,本质上是在实现一种类似于凝聚态物理中关注“介观尺度相关结构”的方法论,即通过发现高阶相关函数来捕捉数据集中的结构特征,并以此解释了深度学习在统计学习理论之外表现出的泛化能力。
本文通过对 Wassenius 1733 年日全食报告的翻译与定量分析,测定了当时的太阳半径,并根据观测到的高纬度日珥推断 1733 年为太阳活动极小期,进而探讨了太阳极区磁场特征及极小期的重新定年。
本文基于 De Jong 和 De Haro (2025) 的理论,通过引入“操作”与“创新”两个新维度,将技术理解重新定义为随语境而异的多维能力,并提出了一套基于反事实推理的评估框架。
该论文指出 Marletto 和 Vedral 关于消除时钟模糊性的证明存在数学错误,并证明了在连续或离散无界时间下,这种模糊性不仅涉及系统演化历史,还扩展至哈密顿量本身,且无法仅通过关系性视角消除,必须考虑算符的物理意义才能解决。
该论文指出科学机器学习领域常将“稀疏性”与“可解释性”混为一谈,并主张在物理科学中应建立一种以理解机制为核心而非单纯追求数学稀疏性的可解释性操作定义,以此明确科学发现中可解释性的真正角色并指引未来研究方向。
该论文通过回顾贝叶斯统计中的自然性论证和奥卡姆剃刀原理,并结合多学科视角与教学计算,证明了贝叶斯框架中自动产生的奥卡姆剃刀效应足以在不依赖随机不确定性的情况下,自然地抑制那些需要精细调节才能符合观测的“不自然”模型。
该论文反驳了将“无中微子双贝塔衰变”更名为“马约拉纳双贝塔衰变”以彰显马约拉纳贡献及聚焦物质创生等正面意义的提议,认为现有术语更为准确且改名理由缺乏可信度。
本文论证了,若认真对待黑洞悖论与扩展维格纳朋友悖论之间的类比,前者将支持那些主张内在关系性而非涌现关系性、并包含某种逆因果性的维格纳朋友情景解释方案。
本文通过重新验算爱因斯坦 1925 年关于玻色 - 爱因斯坦凝聚的开创性论文中的比热公式、修正其中的数值错误,并将其与 2004 年《美国物理杂志》上的相关研究进行对比,同时回顾了该理论被接受的历史。
本文严格推导了欧几里得柯西面上杨 - 米尔斯理论(包括杨 - 米尔斯 - 希格斯理论)的物理规范群,证明其由渐近趋于常数的规范变换模去高斯定律约束生成,并阐明了瞬时态空间结构对边界条件的限制以及对称性破缺相中边界条件的差异。