近期，電子科技大學基礎與前沿研究院湯迎教授領銜的研究團隊，攜手中國科學院理論物理所張潘研究員及博士后劉晶，以及北京師范大學系統科學學院張江教授，在國際知名學術期刊《自然·通訊》上發表了一篇名為“學習非平衡統計力學與動態相變”的重要研究成果。

此文揭示了運用變分自回歸網絡解決非平衡態統計力學和動力學相變問題的最新進展。電子科技大學基礎院湯迎教授作為共同第一作者，與張潘研究員共同擔任通訊作者。電子科技大學基礎與前沿研究院為論文第一作者單位。

探索非平衡系統中的相變現象及其普遍規律，是統計物理研究的重要方向之一。在非平衡態統計物理中，動力配分函數被視為核心概念，其地位堪比平衡態統計物理中的系綜和配分函數。

然而，動力配分函數的求解遠比計算平衡態系統配分函數更為復雜，因為它涉及到對所有可能的系統狀態進行求和，同時還要考慮時間這一額外維度。

盡管在長期極限情況下，可以通過簡化處理和應用大偏差理論等方法進行分析，但要準確計算系統在任何有限時間內的動力配分函數仍然具有很大難度。

為此，本文提出了一種創新的計算方法［圖］。這種方法基于循環神經網絡、PixelCNN和Transformer等自回歸生成模型，結合強化學習技術，預測系統在任意時刻的聯合概率分布。這項研究為動力配分函數的計算提供了新的思路和途徑。