2024年11月25日至27日，中国科学院理论物理研究所在北京举办了“深度学习的物理学”国际研讨会。本次研讨会吸引了国内外众多学者，分享了统计物理、人工智能、计算机信息学、神经科学等相关领域的最新研究成果。

深度学习作为机器学习的一个重要分支，主要通过多层神经网络进行数据处理，模拟人脑的信息处理方式。它能够自动从原始数据中提取特征，广泛应用于语音识别、图像处理、自然语言处理等领域。深度学习与统计物理有着紧密的联系。例如，物理学家霍普菲尔基于自旋玻璃模型提出的霍普菲尔德神经网络为当代人工智能的迅猛发展奠定了理论基础，并因此获得了2024年的诺贝尔物理学奖。然而，由于深度学习模型参数规模过于庞大，算法缺乏可解释性。揭示深度学习这一“黑匣子”的内部机制，成为统计物理学家的重要挑战。本次会议为攻克该难题提供了学术交流的机会。

研讨会的开幕式在理论物理研究所北楼322报告厅举行，由会议组织者、来自理论物理研究所的金瑜亮研究员主持。大会邀请了多位国内外专家进行主题演讲，包括日本大阪大学的吉野元教授、中山大学的黄海平教授、中国科学院理论物理研究所的周海军研究员和黄刚博士、之江实验室的杨冬平研究员、香港城市大学的张格副教授，以及北京大学的陈国璋助理教授等。他们的报告涵盖了深度学习的自旋玻璃和统计物理理论、神经网络的高熵状态、可预测编码模型、大脑视觉皮层学习机制等多个研究方向。

研讨会同时提供了Zoom在线会议平台，方便全球学者在线参与和交流。本次会议吸引了全国各地超过一百名学生和学者的积极参与。与会者通过讨论和交流，拓展了深度学习与物理学、认知科学等领域的交叉研究视野，助力相关学术领域的发展。