内容：

本报告将介绍基于自回归神经网络的统计物理计算框架VAN，并探索此方法在统计力学、非平衡统计物理学和量子纠错中的应用。在平衡统计物理学中，自回归网络可以近似玻尔兹曼分布，并精确估计配分函数。对于非平衡问题，VAN可以模拟由主方程控制的联合分布的时间演化。最后，本报告将介绍如何将量子纠错码的解码问题转换为统计力学配分函数计算，进而利用VAN方法求解这个问题。

人物介绍：

张潘是中国科学院理论物理研究所的研究员，第二研究室主任，从事统计物理、量子物理与机器学习交互领域的研究。张潘与合作者提出了稀疏态张量网络方法，解决了谷歌悬铃木量子线路的采样问题，也提出了统计力学计算方法的VAN框架以及张量网络机器学习模型MPS玻恩学习机。他的科研成果获得了2023年国家杰青项目资助，并获得了2023年中国科学院青年科学家奖，以及2022年北京市自然科学奖二等奖。自2023年起，张潘研究员担任《Physical Review Letters》的编委（物理与机器学习领域的DAE）。