內容：

本報告將介紹基于自回歸神經網絡的統計物理計算框架VAN，并探索此方法在統計力學、非平衡統計物理學和量子糾錯中的應用。在平衡統計物理學中，自回歸網絡可以近似玻爾茲曼分布，并精確估計配分函數。對于非平衡問題，VAN可以模擬由主方程控制的聯合分布的時間演化。最后，本報告將介紹如何將量子糾錯碼的解碼問題轉換為統計力學配分函數計算，進而利用VAN方法求解這個問題。

人物介紹：

張潘是中國科學院理論物理研究所的研究員，第二研究室主任，從事統計物理、量子物理與機器學習交互領域的研究。張潘與合作者提出了稀疏態張量網絡方法，解決了谷歌懸鈴木量子線路的采樣問題，也提出了統計力學計算方法的VAN框架以及張量網絡機器學習模型MPS玻恩學習機。他的科研成果獲得了2023年國家杰青項目資助，并獲得了2023年中國科學院青年科學家獎，以及2022年北京市自然科學獎二等獎。自2023年起，張潘研究員擔任《Physical Review Letters》的編委（物理與機器學習領域的DAE）。