존 홉필드(1933년 출생)는 미국의 물리학자이자 신경과학자로, 1982년에 순환 신경망의 한 형태인 홉필드 네트워크를 도입하여 통계 물리학과 신경계의 연합 기억 사이에 엄밀한 연관성을 확립했으며, 제프리 힌턴과 함께 인공 신경망을 이용한 머신 러닝을 가능케 한 기초적 발견으로 2024년 노벨 물리학상을 공동 수상했다.
배경
물리학자로서 교육을 받았으며 코넬 대학교에서 박사 학위를 받은 황필드는 초기 경력의 상당 부분을 고체 물리학 연구에 하였다. 이후 생물학적 및 계산적 문제로 이동하여 프린스턴, 벨 연구소, 캘텍, 그리고 다시 프린스턴에서 직책을 역임했다. 응집 물질 물리학에서 신경과학과 계산으로 이어진 학제적 경로가 신경망 연구에 그가 가져온 독특한 접근 방식을 형성했다.
황필드 네트워크
1982년 논문에서 황필드는 신경 제만 세포가 서로 완전히 연결되어 있고 다른 모든 신경 제만 세포의 가중 입력에 따라 상태를 갱신하며 시간이 지남에 따라 안정적인 패턴 또는 "흡인자"로 수렴하는 지금은 황필드 네트워크라고 불리는 재발 신경망의 일부 종을 기술했다. 황필츠는 이 동역학이 통계 물리학의 스핀 유리 수학을 사용하여 이해될 수 있음을 보여 주었는데, 여기서 네트워크의 안정 상태는 에너지 함수의 지역 최소점에 해당한다. 이를 통해 네트워크가 부분적 또는 노이든 단서에서 완전한 저장 패턴을 회상할 수 있는 내용 주소 가능 메모리로 기능할 수 있었고, 이는 단순한 순방향 패턴 인식을 가진 심플렌드 트론과 구별되는 능력이 된다. 황필드가 도입한 에너지 기반 프레임은 후속 세대의 모델에 영향을 주었으며, 이는 데이비드 럼머하트와 제 세계 힌턴의 볼츠만 머신을 포함한다. 이는 신경망의 수학적 연구와 더 넓은 차원에서 딥 러닝에 기여한 기초적인 연구로 간주한다.
2024이상 노벨 물리학상
2024년 10월에, 황필드와 제프리 힌턴는 "인공 신경망을 이용한 머신러닝을 가능하게 하는 기초적 발견과 통찰"로 노벨 물리학상을 공동 수상했다. 이는 AI 연구에 대한 2024년 AI 연구를 위한 노벨상 파장의 일부로, 데미전-하사비스와 동Workers가 AlphaFold로 화학상을 수상하기도 했다. 물리학상 위원회는 황필드에 대해 연게시 메모리를 모델링하는 데 통계물리학의 도구를 사용한 것을 인증하고, 힌턴이 이념을 볼츠만 머신과 후속 역전개 방식으로 훈련된 네트워크로 확장한 것을 인용했다. 이 상은 신경망 연구가 전통적인 의미의 물리학인지에 대한 물리학 공동체 내부의 이견을 일으켰다. 위원회는 기술된 필드가 아닌 에르구고가 사용한 물리적 방법을 중심으로 상 Author적 의미를 부여했다.
유산
황필드네트워크는 현대 딥러닝의 창설 아키텍처 중 하나로 간주되며, 이들이 도입한 에너지 기반 관점은 여전히 활발한 연구 영역이다. 오늘의 대규모 언어 네트워크를 구성하는 트랜스포머 아키텍처의 주의 개항과 수학적으로 연결된 "현대 황필드 네트워크"라고도 불리우는 변형을 포함아현대적 변형. 황필트의 경력은 물리와 계산을 잇는, 현대 인공지능 연구의 학제적 기원을 사례화한다.