易辛模型

我們的大腦能在模糊、局部訊息中迅速辨識事物，這種強大的學習與記憶能力成為人工智慧模仿的對象。本文介紹一種由磁性材料中自旋玻璃啟發的神經網路模型，即Hopfield網路。自旋玻璃因內部自旋無法滿足彼此相斥的排列需求，呈現出多個穩定但不唯一的能量谷，每個谷可視為一種記憶狀態。Hopfield網路仿此原理，將神經元狀態類比為自旋，透過彼此間的連結強度儲存資訊，並在擾動後自動回復至穩定記憶。雖然該網路有容量限制，但它奠定了神經計算的物理基礎。隨著深度學習與新型架構的出現，這種由物理啟發的神經網路不僅拓展了我們對人工智慧的理解，也讓電腦記憶系統邁向更強大與抽象的層次。