S'oriente vers l'apprentissage automatique d'inspiration physique pour la découverte de matériaux, mettant l'accent sur la modélisation à l'échelle atomique, la thermodynamique, les énergies libres anharmoniques et la symétrie dans les modèles d'apprentissage automatique.
Couvre les systèmes de coordonnées accélérés et inertiels, jacobiens, les éléments de volume, les dérivés covariants, les symboles Christoffel, le cas Lorentz et les propriétés tenseurs métriques.
Déplacez-vous dans l'intersection de la physique et des données dans les modèles d'apprentissage automatique, couvrant des sujets tels que les champs d'expansion des grappes atomiques et l'apprentissage non supervisé.
Couvre la théorie des champs scalaires, la stabilité des points fixes, les valeurs propres, les interactions lagrangiques, les tenseurs et les fonctions bêta.
