12、物理学家的机器学习实践指南

物理学家的机器学习实践指南

1. 致谢与作者简介

1.1 致谢

最初是作为课程内容构思了一段时间，若不是学生们那些充满好奇与智慧的问题，可能无法发展成现在的成果。因此，要向那些修读课程并提供宝贵反馈，帮助完善内容的优秀学生们致以最深的感激。

同时，也非常感谢同事们提供的见解和专业知识，尤其要感谢 Shant Baghram 博士、Fakhteh GhanbarNejad 博士和 Saman Moghimi 博士，他们投入大量时间协助与机器学习相关的学生项目。

最后，要感谢朋友和家人在整个过程中给予的坚定支持和鼓励。特别要感谢父母 Farah 和 Hadi、叔叔 Hassan Akbari 以及表亲 Taha 和 Tania Akbari，他们在这段旅程中给予了极大的支持和启发。

1.2 作者简介

• Sadegh Raeisi ：拥有滑铁卢大学量子计算研究所的物理学和量子计算博士学位，是谢里夫理工大学的助理教授，同时也是 Foqus Technologies Inc 的联合创始人兼首席执行官。该公司利用专有的量子技术和机器学习算法来增强磁共振成像（MRI）的医学成像效果。他以在量子热力学方面的开创性工作而闻名，特别是在算法冷却方面，包括找出了热浴算法冷却（HBAC）技术的冷却极限（这是一个困扰了十年的开放性问题），并发明了盲 HBAC 技术，这是唯一最优且实用的 HBAC 技术。此外，他还在量子力学基础、宏观量子性方面有开创性工作，尤其是发现了验证宏观量子纠缠的第一种技术。
• Sedighe Raeisi