From Physics to Probability: Hamiltonian Mechanics for Generative Modeling and MCMC
汉密尔顿力学是一种描述物理系统（如行星或钟摆）的方式，随着时间的推移，专注于能量而不是力量。通过通过能量镜头重新构架复杂的动力学，这个19世纪的物理框架现在可以为尖端生成的AI提供动力。它使用广义坐标（q）（例如位置）及其共轭动量（P）（与动量有关），形成捕获系统状态的相空间。这种方法对于具有多个部分的复杂系统特别有用，可以更轻松地找到模式和保护定律。从物理学到概率的帖子：用于生成建模的汉密尔顿力学和MCMC的机制首先出现在数据科学方面。
