1樓：小心假設
Machine Learning for Physics and the Physics of Learning Tutorials (Schedule) - IPAM
Workshop I: From Passive to Active: Generative and Reinforcement Learning with Physics (Schedule) - IPAM
Workshop II: Interpretable Learning in Physical Sciences (Schedule) - IPAM
Workshop III: Validation and Guarantees in Learning Physical Models: from Patterns to Governing Equations to Laws of Nature (Schedule) - IPAM
物理學原理がわかる、応用ができる物理學原理がわかる、応用ができる (KS物理専門書) | 田中章詞, 富谷昭夫, 橋本幸士 |本 | 通販 | Amazon
物理學者,機械學習を使う ー機械學習深層學習の物理學への応用物理學者, 機械學習を使う ー機械學習深層學習の物理學への応用ー | 橋本幸士, 大槻東巳, 真野智裕, 斎藤弘樹, 藤田浩之, 安藤康伸, 永井佑紀, 青木健一, 藤田達大, 小林玉青, 大関真之, 久良尚任, 福嶋健二, 村瀬功一, 船井正太郎, 柏浩司, 富谷昭夫, 橋本幸士 |本 | 通販 | Amazon
2樓：微蜓
如果識別軟體算機器學習的話，在化學領域用太多了。
元素識別用EDS軟體，化學鍵識別用紅外光譜軟體，有機官能團識別用核磁共振（NMR），化合物分析XRD。。。。
首先有資料庫，然後再比對，所謂識別。
3樓：
今年APS在LA開的March Meeting，關於Machine Learning in Condensed Matter Physics安排了5個session http://
meetings.aps.org/Meeting/MAR18/Session/X34
So... 不是能不能找到，而是已經有了很多，內容挺多的，題主有時間可以看看。
4樓：飛翔的閃電-TC
最近（2017 年 6 月以後）機器學習在物理學的應用有什麼新的進展？
最近（2017 年 12 月以後）機器學習在物理學的應用有什麼新的進展？
資料分析 資料探勘與機器學習之間有什麼聯絡？
天堂之拳 看林軒田的機器學習基石。沒記錯的話第一周課就有講。資料分析，資料探勘，機器學習在研究上有一部分是重疊的，但側重點不同。舉乙個例子，資料探勘裡面，流資料是乙個很大的關注點，但在機器學習裡面研究的就相對較少。同理，資料探勘對統計學習理論也沒有機器學習關注的多。你再看資料探勘的教材，一般都有一章...
最近（2017 年 6 月以後）機器學習在物理學的應用有什麼新的進展？
1706.03346 Machine Learning of Calabi Yau Volumes 1706.02714 Deep Learning the Landscape 1709.01223 Machine Learning Spatial Geometry from Entanglemen...
機器學習與傳統工科的結合有哪些成功的案例或研究？
雲程萬里 機械故障診斷 emmm.可能跟有趣扯不上關係 例如，基於深度殘差收縮網路Deep Residual Shrinkage Networks的故障診斷 1 2 整合了新興的殘差網路和經典訊號分析中的軟閾值函式，原理如下 雪地冰激凌 利用機器學習方法對訊號進行降噪處理 通道 具體內容沒細問所以未...