AIGC動態(tài)歡迎閱讀

原標(biāo)題：Nature Physics評論：復(fù)雜系統(tǒng)的內(nèi)在簡單性
關(guān)鍵字：報告,動力學(xué),系統(tǒng),網(wǎng)絡(luò),矩陣
文章來源：人工智能學(xué)家
內(nèi)容字數(shù)：5558字

內(nèi)容摘要：

導(dǎo)語復(fù)雜系統(tǒng)是高維非線性的動力系統(tǒng)，其組成成分之間存在異質(zhì)相互作用。為了對復(fù)雜系統(tǒng)的大規(guī)模行為做出可解釋的預(yù)測，通常假定這些動力學(xué)可以簡化為幾個方程，涉及描述相互作用網(wǎng)絡(luò)的低秩矩陣。近日發(fā)表于Nature Physics的一項最新研究關(guān)注并探討這種低秩假設(shè)（low-rank hypothesis）的有效性，證實許多復(fù)雜系統(tǒng)可以被簡化，并且仍然保留初始高維網(wǎng)絡(luò)的基本特征。研究還表明，高階相互作用從降維中自然涌現(xiàn)，從而為復(fù)雜系統(tǒng)中高階相互作用的起源提供了啟示。本文翻譯自倫斯勒理工學(xué)院計算機科學(xué)系副教授高建喜發(fā)表于Nature Physics的評論文章。
研究領(lǐng)域：復(fù)雜系統(tǒng)，復(fù)雜網(wǎng)絡(luò)，非線性動力學(xué)，降維，低秩假設(shè)來源：集智俱樂部
評論作者：高建喜
譯者：郭瑞東
審校：梁金
論文題目：
The low-rank hypothesis of complex systems
論文鏈接：
https://www.nature.com/articles/s41567-023-02303-0我們的世界被極其復(fù)雜的系統(tǒng)所包圍，從社會結(jié)構(gòu)到大腦中的神經(jīng)網(wǎng)絡(luò)[1]。降低這種復(fù)雜性的一種典型策略是使用降維技術(shù)，

原文鏈接：Nature Physics評論：復(fù)雜系統(tǒng)的內(nèi)在簡單性

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：AItists
作者簡介：致力成為權(quán)威的人工智能科技媒體和前沿科技研究機構(gòu)