MARC

 008260126s2025        us                              c    eng  d
■001000017360780
■00520260202105618
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265427656
■035    ▼a(MiAaPQ)AAI32316482
■035    ▼a(MiAaPQ)Stanfordwg471tp4974
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a658
■1001  ▼aNebabu,  Tamra.
■24510▼aEmergent  Features  of  Many-Body  Systems:  Classical  and  Quantum
■260    ▼a[Sl]▼bStanford  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a153  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Ganguli,  Surya.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2025.
■520    ▼aEmergence  refers  to  the  fact  that  complex,  composite  systems  can  exhibit  fundamentally  different  behavior  from  their  building  blocks,  and  is  an  important  tenet  in  many  scientific  disciplines.  This  thesis  discusses  emergence  in  the  context  of  quantum  many-body  physics  and  machine  learning.  The  first  part  will  discuss  how  interacting  quantum  many-body  dynamics  can  give  rise  to  emergent  effective  dynamics  at  low  energies,  which  may  be  given  a  geometric  interpretation  reminiscent  of  the  emergent  bulk  in  holographic  duality.  In  the  second  part,  I  discuss  the  emergence  of  phase  diagrams  for  large  artificial  neural  networks  in  the  context  of  neural  network-encoded  quantum  states  and  signal  propagation  in  deep  transformers.
■590    ▼aSchool  code:  0212.
■650  4▼aBehavior
■650  4▼aNeurons
■650  4▼aStatistical  mechanics
■650  4▼aGravity
■650  4▼aQuantum  theory
■650  4▼aTheoretical  physics
■650  4▼aBlack  holes
■650  4▼aNeural  networks
■650  4▼aSymmetry
■650  4▼aPhase  transitions
■650  4▼aGeometry
■650  4▼aEntropy
■650  4▼aAtoms  &  subatomic  particles
■650  4▼aAstronomy
■650  4▼aAstrophysics
■650  4▼aAtomic  physics
■690    ▼a0753
■690    ▼a0800
■690    ▼a0606
■690    ▼a0596
■690    ▼a0748
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360780▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books