隨著人工智能技術的發(fā)展和在諸多領域的廣泛應用，其背后的物理原理和客觀規(guī)律引起了學者們的高度關注，并開始探索“AI + Physics”領域（Muther 等 2023；Mehta 等 2019）。當前研究的目標是: (1) 利用物理科學和人工智能的發(fā)展來研究大腦學習的原理; (2) 利用人工智能促進物理學的進步; (3) 應用物理科學來指導新型人工智能范式的發(fā)展。我們回顧了經(jīng)典的人工智能與物理學科交叉領域的相關研究。這包括以物理見解為驅動力的人工智能概念和算法的發(fā)展、人工智能算法在物理學多個領域的應用以及這兩個領域的交叉研究（Zdeborová 2020；Meng 等 2022）。
本文闡述了經(jīng)典的由物理相關學科（經(jīng)典力學、電磁學、統(tǒng)計物理學、量子力學）所啟發(fā)的AI深度算法（如圖1所示），同時介紹了AI算法解決物理問題的相關研究，在此基礎上全面概述了物理學背景下人工智能深度算法的發(fā)展和挑戰(zhàn)。
電磁學啟發(fā)的深度神經(jīng)網(wǎng)絡范式
電磁學的理論奠定了光學的基礎，光是電磁波的一種形式，具有電場和磁場的振蕩。光神經(jīng)網(wǎng)絡（ONNs）的核心思想是通過調制光的相位、幅度等光學特性來模擬神經(jīng)網(wǎng)絡的信息處理過程。此外，ONNs 利用光的傳播特性，如干涉、色散、傳輸和反射等，實現(xiàn)神經(jīng)網(wǎng)絡的核心運算。傳統(tǒng)神經(jīng)網(wǎng)絡的主要運算包括線性運算、非線性激活運算和卷積運算，其在光學系統(tǒng)中的實現(xiàn)方法如表2所示。
