加磁性杂质扰动物理系统，简单 ML 即可推断量子磁体哈密顿量
bravo_abad · x · 2026-09-10
Karjalainen 等人的研究针对一个反直觉问题：当不同物理机制产生几乎相同的测量结果时，更强大的神经网络并不是答案——应该让实验产生更有信息量的数据。
- 问题：多种相互竞争的自旋相互作用在光谱上留下几乎相同的指纹，仅凭单次测量难以推断 underlying Hamiltonian。
- 方法：在自旋链附近加入可控的磁性杂质，每种杂质配置以不同方式扰动多体激发，等于给模型提供对同一隐含哈密顿量的多个互补视角。
- ML 部分刻意保持简单：PCA 压缩光谱喂给小型前馈网络。提升推断能力的是实验设计而非更复杂的架构。
「研究」频道最新
- David Chalmers 加拉帕戈斯船上开讲：Anthropic j-space 与全局工作空间理论 — PeterBowdenLive · 2026-09-10
- 一篇可视化长文盘点至少 42 种 3D 表示方法,HF 工程师盛赞 — pcuenq · 2026-09-10
- Ben Recht 预测课开讲：频率与信念间的概率偷换为何被滥用 — beenwrekt · 2026-09-10
- Spiced Self-play 入选 CoRL:30 分钟人类数据足以校准自博弈 — EugeneVinitsky · 2026-09-10
- FlashAttention 五代进化全解：为何省 HBM 流量比算力更关键 — techNmak · 2026-09-10
- ECCV 现场观点:该发表难做的 research,而非容易的 — ducha_aiki · 2026-09-10