深度平均场与统计神经动力学 - Topics on Deep Learning & Biophysical Chemistry

[TablewareBox]

https://tablewarebox.github.io/2019/04/15/DL_BioPhysChem_04_DeepMFT/

Every failure is leading towards success.

[mmoneyy]

博主写的很好，我也关注过类似的方向，但是目前神经网络的动力学依然少有建树，也曾寄希望于生物中获得灵感。
我觉得生物化学中更多的是生物，从长期有序才到智能。和计算机的模型有实现的前提不同，和自然的底层实现有很大区别，而从中提取出有效的东西才是要点。
自然状态下生化过程和人工状态下的学习对信息的获取不同，生物的物理化学过程似乎可以不断地内部进行回复或者其他特殊的结构。
并对一类的动力过程进行变换并反复对这一感知区域进行理解，这依靠于不同的物理实现和基本的计算模式，生物兼顾了其生理需要和物理化学演化过程，而程序反应了人的编写思想和硬件实现，可能能两者有交集但是在足够大的可行空间内，这种偏向会导致其最终的上层结构完全不同，且各种机制耦合在一起。
反映出信息的一种在物理过程上演化出的特殊(对此种物理底层)又普适(各种物理底层实现相关)的流动方式。把这种过程用抽象出来似乎依然缺少理论支撑。