When Renormalization Group Meets Machine Learning

[link]重整化遇见机器学习：多尺度视角探索复杂系统内在的统一性

正因为“太小的结构我们看不清，太大的结构我们看不全”，所以我们需要使用重整化的方法，不断把系统的重要特征突出，把不重要的特征抹除，最终我们会发现，或许整个世界是由一个个有限的岛屿组成，每个系统都会属于一个岛屿，再无其他。本文从伊辛模型的重整化开始介绍了重整化群理论，然后系统梳理了重整化群和机器学习结合之处的系列研究，最后探讨了与重整化群殊途同归的多尺度动力学建模在探索非平衡动力系统方面的前沿进展，包括因果涌现理论、本征微观态理论、强化学习世界模型等。