斑图链接：https://pattern.swarma.org/study_group_issue/849

D. Wu, L. Wang, and P. Zhang, Phys. Rev. Lett. 122, 080602 (2019)

M. Hibat-Allah, M. Ganahl, L. E. Hayward, R. G. Melko, and J. Carrasquilla, Phys. Rev. Research 2, 023358 (2020)

Y. Tang, J. Weng, P. Zhang. Nat. Mach. Intell. 5, 376 (2023)

C. Casert, T. Vieijra, S. Whitelam, and I. Tamblyn, Phys. Rev. Lett. 127, 120602 (2021)

M. Reh, M. Schmitt, and M. Garttner, Phys. Rev. Lett. 127, 230501 (2021)

L. Causer, M. C. Banuls, and J. P. Garrahan, Phys. Rev. Lett. 128, 090605 (2022).

Y. Tang, J. Liu, J. Zhang, and P. Zhang, Nat. Commun. 15, 1117 (2024)

C. Jarzynski, Phys. Rev. Lett. 78, 2690 (1997)

L. Bassman Oftelie, et al, Phys. Rev. Lett. 129, 130603 (2022)

S. L. Brunton, J. L. Proctor, and J. N. Kutz, PNAS (2016)

David Sussillo and Larry F Abbott, Neuron, 63(4):544–557, (2009)

J. Pathak, B. Hunt, M. Girvan, Z. Lu, E. Ott, Phys. Rev. Lett. 120, 024102 (2018)

H. Zhao, Sci. China Phy. Mech. Astron. 64, 270511 (2021)

D. J. Gauthier, E. Bollt, A. Griffith, W. A. Barbosa, Nat. Commun. 12, 5564 (2021)

Z. Lin, Z. Lu, Z. Di, and Y. Tang, Nat. Commun. 15, 6584 (2024)

2024年诺贝尔物理学奖授予人工神经网络，这是一场统计物理引发的机器学习革命。统计物理学不仅能解释热学现象，还能帮助我们理解从微观粒子到宏观宇宙的各个层级如何联系起来，复杂现象如何涌现。它通过研究大量粒子的集体行为，成功地将微观世界的随机性与宏观世界的确定性联系起来，为我们理解自然界提供了强大的工具，也为机器学习和人工智能领域的发展提供了重要推动力。

为了深入探索统计物理前沿进展，集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰、纽约州立大学石溪分校化学和物理学系教授汪劲、德累斯顿系统生物学中心博士后研究员梁师翎、香港浸会大学物理系助理教授唐乾元，以及多位国内外知名学者共同发起「非平衡统计物理」读书会。读书会旨在探讨统计物理学的最新理论突破，统计物理在复杂系统和生命科学中的应用，以及与机器学习等前沿领域的交叉研究。读书会从12月12日开始，每周四晚20:00-22:00进行，持续时间预计12周。我们诚挚邀请各位朋友参与讨论交流，一起探索爱因斯坦眼中的普适理论！