导读 在《物理评论 E》上发表的一篇通讯中，复旦大学智能复杂系统研究所 (II) 的科学家表明，人工智能使无用的噪声在振荡器同步中得到广泛应
在《物理评论 E》上发表的一篇通讯中，复旦大学智能复杂系统研究所 (II) 的科学家表明，人工智能使无用的噪声在振荡器同步中得到广泛应用。这些发现对于设计节能调节器和了解噪声在各种系统中的好处具有重要意义。
据观察，噪声可增强非线性物理系统中有趣动力学行为的出现。然而，设计适合给定系统的噪声形式仍是一项挑战，因为没有通用方法。
虽然噪声引起的同步在物理学和数学中已经得到了广泛的研究，但之前的大多数研究都集中于现有噪声的影响，而不是设计实际的噪声。
II 研究人员探索了随机稳定理论如何指导有益噪声的设计以诱导同步。该理论通常涉及难以手动构建的复杂辅助函数。
通过利用机器学习技术的理论分析，研究人员重新表述了同步问题。他们为由人工神经网络参数化的候选函数寻找最佳参数，从而有效地创建了基于机器学习的噪声控制器。
该研究的第一作者张敬东报告说：“我们发现机器学习产生的噪声表现出一种隐式能量正则化现象，从而引发节能同步。”
在他们的工作中，科学家们证明了，基于随机稳定性的拟议人工智能框架中的损失函数隐含地包含了与受控过程中的能源成本相关的正则化项。这一见解可能有助于在现实世界场景中提高监管机构的效率，例如电网管理。
信息与通信研究院院长魏林教授强调，该人工智能框架不仅能验证同步流形附近的噪声诱导同步，还能验证远离同步流形的噪声诱导同步，超越了传统的控制协议和耦合方法。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！