Показати скорочену інформацію

dc.contributor.authorЧернокнижник, А. В.uk
dc.date.accessioned2025-08-13T09:51:59Z
dc.date.available2025-08-13T09:51:59Z
dc.date.issued2025
dc.identifier.citationЧернокнижник А. В. Фізика штучного інтелекту // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25023.uk
dc.identifier.isbn978-617-8163-57-0
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/48245
dc.description.abstractУ роботі досліджено зв’язок між фізикою та штучним інтелектом (ШІ), зокрема вплив фізичних принципів на розробку алгоритмів машинного навчання. Розглянуто аналогії між фізичними системами (статистична механіка, термодинаміка) та нейронними мережами, а також енергетичні виклики роботи ШІ.uk
dc.description.abstractThe paper explores the relationship between physics and artificial intelligence (AI), in particular the influence of physical principles on the development of machine learning algorithms. It examines analogies between physical systems (statistical mechanics, thermodynamics) and neural networks, as well as the energy challenges of AI. Particular attention is paid to the use of fractal structures for algorithm optimization. The study emphasizes the importance of an interdisciplinary approach to the development of AI.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25023
dc.subjectштучний інтелектuk
dc.subjectнейронні мережіuk
dc.subjectстатистична механікаuk
dc.subjectтермодинамікаuk
dc.subjectфракталиuk
dc.subjectенергетична ефективністьuk
dc.subjectrtificial intelligenceen
dc.subjectneural networksen
dc.subjectstatistical mechanicsen
dc.subjectthermodynamicsen
dc.subjectfractalsen
dc.subjectenergy efficiencyen
dc.titleФізика штучного інтелектуuk
dc.typeThesis
dc.identifier.udc004.8:530.13
dc.relation.referencesMehta P. et al. A High-Bias, Low-Variance Introduction to Machine Learning for Physicists. PhysicsReports, 2019. — Vol. 810, pp. 1–124.en
dc.relation.referencesWolpert D. H., Macready W. G. No Free Lunch Theorems for Optimization. IEEE TransactionsonEvolutionary Computation, 1997. — Vol. 1, No. 1, pp. 67–82.en
dc.relation.referencesBiamonte J. et al. Quantum Machine Learning. Nature, 2017. — Vol. 549, pp. 195–202.en
dc.relation.referencesEngland J. L. Statistical Physics of Self-Replication. The Journal of Chemical Physics, 2013. —Vol. 139, No. 12, 121923.en
dc.relation.referencesLandauer R. Irreversibility and Heat Generation in the Computing Process. IBMJournal of Researchand Development, 1961. — Vol. 5, No. 3, pp. 183–191.en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію