約翰·霍普菲爾
約翰·約瑟夫·霍普菲爾(英語:John Joseph Hopfield,1933年7月15日—[2]),美國科學家,1982年發明了聯想神經網路,現在通常稱為霍普菲爾網路。2024年,霍普菲爾與傑佛瑞·辛頓共同獲得諾貝爾物理學獎。[3]
約翰·霍普菲爾 John Hopfield | |
---|---|
出生 | 美國伊利諾州芝加哥 | 1933年7月15日
母校 | 斯沃斯莫爾學院 康奈爾大學 |
知名於 | 霍普菲爾神經網路 電磁極化子 動力學校對 |
獎項 | 奧利弗·巴克利獎(1969) ICTP狄拉克獎章(2001) 哈羅德·彭德獎 (2002) 阿爾伯特·愛因斯坦世界科學獎(2005) 富蘭克林研究所班傑明·富蘭克林獎章(2019) 波茲曼獎(2022) 諾貝爾物理學獎(2024) |
科學生涯 | |
研究領域 | 物理學 分子生物學 神經科學 |
機構 | 貝爾實驗室 普林斯頓大學 加州大學伯克利分校 加州理工學院 |
論文 | 激子對晶體復介電常數貢獻的量子力學理論(A Quantum-Mechanical Theory of the Contribution of Excitons to the Complex Dielectric Constant of Crystals)(1958) |
博士導師 | 艾伯特·奧弗豪瑟 |
博士生 | 戴維·J·C·麥凱 特里·謝諾夫斯基 伯特蘭·霍爾珀林 史蒂文·吉爾文 埃里克·溫弗里 李兆平 何塞·奧努奇奇[1] |
生平
編輯約翰·霍普菲爾1933年出生於美國芝加哥[2],父親是物理學家約翰·J·霍普菲爾[4]。
1954年,霍普菲爾獲得斯沃斯莫爾學院文學士學位[2],1958年獲康奈爾大學凝聚態物理博士學位(導師為艾伯特·奧弗豪瑟)[2]。畢業後在貝爾實驗室的理論小組工作了兩年,研究血紅蛋白結構[2][4]。之後在加州大學柏克萊分校物理系、普林斯頓大學物理系、加州理工學院化學與生物系擔任研究員,又回到普林斯頓,擔任分子生物學霍華德·A·普賴爾(Howard A. Prior)榮譽教授[5]。
研究領域
編輯1958年,他撰寫了關於激子在晶體中相互作用的研究論文,當中創造極化子一詞來表示固體物理學中出現的准粒子[7][8]
1974年,他發明一種修復生物化學反應錯誤的機制,稱之為動力學校對,以此解釋DNA複製的準確性[9][10]。
1982年,他首次發表神經科學領域的論文,題為《具有新興集體計算能力的神經網路和物理系統》("Neural networks and physical systems with emergent collective computational abilities"),提出了一種可以用作內容可定址主記憶體、由可以「開」和「關」的二元神經元組成的類神經網路,這就是後來的霍普菲爾神經網路[11][4]。最初的霍普菲爾神經網路存在主記憶體有限的問題,這一問題直到2016年才被霍普菲爾與迪米特里·科洛托夫(Dimitry Krotov)解決[12][13],兩人推出的大主記憶體神經網路被稱為現代霍普菲爾神經網路。
1985年至1986年,霍普菲爾與大衛·W·坦克共同開發了一個使用類比模型、基於連續時間動力學解決離散最佳化問題的方法[14][15]。相關最佳化問題被編碼在網路的互動參數(權重)中。類比系統的有效溫度逐漸降低,效果如同使用類比退火進行全域最佳化[12]。
榮譽
編輯- 1969年:奧利弗·巴克利獎(與戴維·吉爾伯特·托馬斯共同獲得)[16]
- 1973年:美國國家科學院院士[17]
- 1975年:美國文理科學院院士[18]
- 1985年:美國成就學院金盤獎(Golden Plate Award)[19]
- 1988年:美國哲學學會會士[20]
- 2001年:國際理論物理中心狄拉克獎章[21][22]
- 2002年:哈羅德·彭德獎[23]
- 2005年:阿爾伯特·愛因斯坦世界科學獎[24]
- 2006年:美國物理學會會長[25]
- 2019年:富蘭克林研究所班傑明·富蘭克林獎章[26]
- 2022年:波茲曼獎(與迪帕克·達爾共同獲得)[27]
- 2024年:諾貝爾物理學獎(與傑佛瑞·辛頓共同獲得)[28][29]
參考資料
編輯- ^ John Joseph Hopfield在數學譜系計畫的資料。
- ^ 2.0 2.1 2.2 2.3 2.4 Hopfield, John J.. history.aip.org. [2024-10-08].
- ^ The Nobel Prize in Physics 2024. NobelPrize.org. [2024-10-08]. (原始內容存檔於2024-10-08) (美國英語).
- ^ 4.0 4.1 4.2 Lindsay, Grace. Models of the Mind: How Physics, Engineering and Mathematics Have Shaped Our Understanding of the Brain. Bloomsbury Publishing. 2021-03-04 [2024-10-08]. ISBN 978-1-4729-6645-2. (原始內容存檔於2024-10-08) (英語).
- ^ Office of Communications. Princeton's John Hopfield receives Nobel Prize in physics. Princeton University. 2024-10-08 [2024-10-08]. (原始內容存檔於2024-10-08) (英語).
- ^ Caltech Celebrates 30 Years of its Computation and Neural Systems Option | Caltech Alumni. [2024-10-08]. (原始內容存檔於2024-10-08) (美國英語).
- ^ Hopfield, J. J. Theory of the Contribution of Excitons to the Complex Dielectric Constant of Crystals. Physical Review. 1958-12-01, 112 (5): 1555–1567. Bibcode:1958PhRv..112.1555H. ISSN 0031-899X. doi:10.1103/PhysRev.112.1555 (英語).
- ^ Agranovich, Vladimir M. Excitations in Organic Solids. OUP Oxford. 2009-02-12 [2024-10-08]. ISBN 978-0-19-155291-5. (原始內容存檔於2024-10-08) (英語).
- ^ Hopfield, J. J. Kinetic Proofreading: A New Mechanism for Reducing Errors in Biosynthetic Processes Requiring High Specificity. Proceedings of the National Academy of Sciences. 1974, 71 (10): 4135–4139. Bibcode:1974PNAS...71.4135H. ISSN 0027-8424. PMC 434344 . PMID 4530290. doi:10.1073/pnas.71.10.4135 (英語).
- ^ Flyvbjerg, Henrik; Jülicher, Frank; Ormos, Pal; David, Francois. Physics of Bio-Molecules and Cells: Les Houches Session LXXV, 2-27 July 2001. Springer Science & Business Media. 2003-07-01 [2024-10-08]. ISBN 978-3-540-45701-5. (原始內容存檔於2024-10-08) (英語).
- ^ Hopfield, J J. Neural networks and physical systems with emergent collective computational abilities.. Proceedings of the National Academy of Sciences of the United States of America. April 1982, 79 (8): 2554–2558. Bibcode:1982PNAS...79.2554H. ISSN 0027-8424. PMC 346238 . PMID 6953413. doi:10.1073/pnas.79.8.2554 .
- ^ 12.0 12.1 The Nobel Committee for Physics. Scientifc Background to the Nobel Prize in Physics 2024 (PDF). The Royal Swedish Academy of Sciences. 2024-10-08 [2024-10-08]. (原始內容存檔 (PDF)於2024-10-08).
- ^ Krotov, Dmitry; Hopfield, John J. Dense Associative Memory for Pattern Recognition. Advances in Neural Information Processing Systems (Curran Associates, Inc.). 2016, 29 [2024-10-08]. arXiv:1606.01164 . (原始內容存檔於2024-06-19).
- ^ Hopfield, J. J.; Tank, D. W. "Neural" computation of decisions in optimization problems. Biological Cybernetics. 1985-07-01, 52 (3): 141–152 [2024-10-08]. ISSN 1432-0770. PMID 4027280. doi:10.1007/BF00339943. (原始內容存檔於2024-10-08) (英語).
- ^ Hopfield, John J.; Tank, David W. Computing with Neural Circuits: A Model. Science. 1986-08-08, 233 (4764): 625–633 [2024-10-08]. Bibcode:1986Sci...233..625H. ISSN 0036-8075. PMID 3755256. doi:10.1126/science.3755256. (原始內容存檔於2024-04-14) (英語).
- ^ Honors and Award Winners. American Physical Society. [2024-10-08].
- ^ John J. Hopfield. www.nasonline.org. [2024-10-08]. (原始內容存檔於2019-03-24).
- ^ John Joseph Hopfield. American Academy of Arts & Sciences. 2023-10-12 [2024-10-08]. (原始內容存檔於2024-10-08).
- ^ Golden Plate Awardees of the American Academy of Achievement. www.achievement.org. American Academy of Achievement. [2024-10-08]. (原始內容存檔於2016-12-15).
- ^ APS Member History. search.amphilsoc.org. [2024-10-08]. (原始內容存檔於2023-10-18).
- ^ Dirac Medallist 2001 | ICTP. www.ictp.it. [2023-10-20]. (原始內容存檔於2024-10-08).
- ^ Princeton Physicist Garners Dirac Medal. Physics Today. 2001-10-01, 54 (10): 85 [2024-10-08]. Bibcode:2001PhT....54S..85.. ISSN 0031-9228. doi:10.1063/1.1420565 . (原始內容存檔於2024-10-08) (英語).
- ^ The Harold Pender Award Lecture. Penn Engineering. [2024-10-08]. (原始內容存檔於2024-10-08).
- ^ Albert Einstein World Award of Science 2005. [2013-08-13]. (原始內容存檔於2013-10-23).
- ^ John Hopfield, Array of Contemporary Physicists. [2013-10-19]. (原始內容存檔於2013-10-19).
- ^ Laureates Search. The Franklin Institute Awards. Franklin Institute. [2015-05-08]. (原始內容存檔於2015-05-13).
- ^ STATPHYS28. statphys28.org. [2024-10-08]. (原始內容存檔於2024-04-14).
- ^ The Nobel Prize in Physics 2024. Nobel Media AB. [2024-10-08]. (原始內容存檔於2024-10-08).
- ^ Nobel Prize. Announcement of the 2024 Nobel Prize in Physics. 2024-09-11 [2024-10-08]. (原始內容存檔於2024-10-08) –透過YouTube.