《国家科学院院刊》

科学家对流动扩散和自回归神经网络进行采样

瑞士洛桑联邦理工学院的Lenka Zdeborová研究团队从自旋玻璃的角度，对流动、扩散和自回归神经网络进行了采样。相关研究成果6月24日在美国《国家科学院院刊》发表。

近年来，基于流动、扩散或自回归神经网络的强大生成模型得到了发展，在从实例生成数据方面取得了成功，并在广泛的领域得到了应用。然而，对这些方法性能的理论分析和对其局限性的理解仍然具有挑战性。

研究人员通过分析这些方法在一类已知概率分布问题上的采样效率，并将其与更传统的方法（如蒙特卡洛马尔可夫链和朗格万动力学）的采样性能进行比较，朝着这个方向迈出了一步。研究人员聚焦于一类在无序系统统计物理中广泛研究的概率分布，涉及自旋玻璃、统计推断和约束满足问题。研究人员利用这样一个事实，即通过基于流动、扩散或自回归的网络方法进行采样，可以等效映射到对修改概率度量的贝叶斯最优去噪的分析上。

这项研究结果表明，这些方法在采样过程中遭遇挑战，原因在于算法的去噪路径存在一阶相变。这一发现具有双向意义：首先，研究人员识别出这些方法在特定参数区域下采样效果不佳，而传统蒙特卡罗或朗格万方法在这些区域可能更为有效；其次，他们确定了相反的情况，即当标准方法效率低下时，该研究所探讨的生成方法却表现良好。

相关论文信息：

https://doi.org/10.1073/pnas.2311810121

《物理评论A》

模拟黑洞中的贝尔不等式违背研究

法国巴黎萨克雷大学的Giorgio Ciliberto研究团队对模拟黑洞中贝尔不等式违背进行了研究。相关研究成果6月20日在《物理评论A》发表。

该研究团队在准一维玻色-爱因斯坦凝聚体流动中，对模拟黑洞在零温和有限温条件下的纠缠及非定域信号进行了定量评估。此模拟系统特有的洛伦兹不变性破坏，为观察三模量子关联提供了新视角。研究人员深入探究了相应的二分和三分贝尔不等式的违背情况。

结果显示，系统的长波长模式实现了最大程度的纠缠，它们实际上实现了格林伯格-霍恩-塞林格态连续变量版本的叠加，并展现出了对部分跟踪的纠缠抵抗性。

相关论文信息：

https://doi.org/10.1103/PhysRevA.109.063325