Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Spin Glasses, Learning, and Optimisation in High Dimension

Opis projektu

Od szkieł spinowych do inteligentniejszej AI

Dlaczego niektóre algorytmy uczenia maszynowego działają tak dobrze, nawet jeśli nie ma do tego podstaw? Możliwe, że odpowiedź na to pytanie tkwi w nietypowych materiałach magnetycznych, zwanych szkłami spinowymi. Po raz pierwszy zostały one opisane w latach 80. ubiegłego wieku przez fizyków, których najbardziej zainteresowało ich nieuporządkowane i nieprzewidywalne zachowanie. Są to układy, w których cząstki „kręcą się”, wykazując sprzeczne oddziaływanie z innymi cząstkami, w związku z czym stanowią inspirację dla rozwoju całego wachlarza innowacji – od sieci mózgowych po sztuczną inteligencję. Jednak wciąż kryją one wiele tajemnic. Jedna z najtrudniejszych zagadek, jaką jest przejście fazowe w mieszanym modelu Sherringtona-Kirkpatricka, stanowi przedmiot badań w ramach projektu SLOHD, wspieranego ze środków programu działań „Maria Skłodowska-Curie”. Wykorzystując nowatorskie dynamiczne podejście, zespół projektu zamierza rzucić światło na powiązania z sieciami neuronowymi. Dzięki połączeniu fizyki i uczenia maszynowego projekt SLOHD przyczyni się do rozwoju nie tylko ram teoretycznych, ale również rzeczywistych zastosowań sztucznej inteligencji.

Cel

"This project aims at tackling problems in statistical mechanics, with a primary focus on spin glasses, followed by an exploration of machine learning related questions. Spin glasses, initially studied in the 1980s using non-rigorous methods by theoretical physicists, revealed complex behaviours which were previously unknown: They conjectured that the phenomenon they depicted should be present in many more models such as neuronal networks. From a mathematical perspective, spin glasses are disordered systems where each ""spin"" can be seen as a random variable, interacting with others through a network of complex, often conflicting, interactions. Recent recognition in the field, with Giorgio Parisi winning the Nobel Prize in 2021 and Michel Talagrand receiving the Abel Prize in 2024, highlights the importance of spin glass studies. However, many questions remain unanswered, particularly regarding the mixed SherringtonKirkpatrick model: the phase transition between the high and the low-temperature regime is not known rigorously. One key objective of the fellowship is to explore this phase transition mainly through a dynamical approach by viewing the disorder in the Hamiltonian as different Brownian motions, with temperature playing the role of time. Beyond spin glasses, the project will also investigate neural networks (specifically, one-hidden-layer models with a large but finite number of neurons): the algorithms underlying their training are still not fully understood, and we aim to elucidate why, despite the non-convexity of their objective, do they converge to a desirable solution?
Although spin glasses and machine learning may seem unrelated at first glance, it is believed that many probabilistic techniques from spin glass theory can be applied to understanding machine learning algorithms, especially in high-dimensional settings. By bridging these two areas, the fellowship aims to deepen our theoretical understanding of both domains.


"

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Wkład UE netto
€ 242 260,56
Koszt całkowity
Brak danych