研究进展：深度学习-量子色动力学 | Nature Reviews Physics

本文综述了深度学习与量子色动力学（QCD）结合的最新研究进展，特别是在解决反演问题方面的应用。文章由英国斯旺西大学、日本理化学研究所和香港中文大学（深圳）的研究团队共同撰写，发表在《Nature Reviews Physics》上。文章强调了物理驱动学习方法在从复杂观测数据中提取精确物理属性方面的优势，特别是在QCD物理中的应用，如强子、中子星和重离子碰撞的研究。通过嵌入先验条件，物理驱动学习能够更有效地从数据中提取物理量，减少优化工作量。此外，文章还探讨了超越QCD物理的生成模型的潜力。