标签
这篇文章探讨了 Liesegang 环，一种在凝胶中形成几何图案的化学现象，并讨论了作者的实验以及对非平衡统计力学在理解图案形成方面的兴趣。
本文介绍了 Neural Non-Equilibrium Hamiltonian Monte Carlo (NHMC)，这是一种先训练后修正的方法，通过学习随机哈密顿风格路径并利用非平衡功进行校正，从而从未归一化的玻尔兹曼密度中采样。
本文开发了一种生成式流匹配方法，用于捕获非平衡随机系统中的非马尔可夫动力学，并展示了与马尔可夫基线相比，在Kramers首次通过时间问题上的改进预测。
本文提出了一个统一的理论框架，用于描述深度学习中的相变（grokking、涌现能力）和非平衡化学中的相变，将两者描述为受两个梯度场控制的驱动信息系统。