第四百八十九章：等不及的物理学家们（2/5）

这类网络的学习等价于在多维空间中寻找训练数据的最佳拟合平面，其径向基函数网络的每个隐层神经元激活函数都构成了拟合平面的一个基函数。

用数学理论来解释，其实原理很简单。

即，在选定的一类函数中寻找某个函数g，使它是已知函数在一定意义下的近似表示，并求出用g近似表示而产生的误差。”

这是高中数学的函数基础之一。

对于徐川来说，研究这些东西一开始只是为了解决海思和华芯的问题，不过随着时间的推移，他越来越对这种神经性网络感兴趣了。

这种从数学机理出发，利用模型来完备进行不同层次的描述和模拟的结构，除了芯片外，在其他领域也有不少的应用。

比如人工智能、自动控制、机器人、统计学等等。

这些都是徐川相当感兴趣的领域。

人工智能就不用多说了，这是未来发展的趋势。

而自动控制和机器人，则是社会生产力进步的核心关键点之一。

至于统计学，看似它是一门应用数学，主要为其他领域而工作的。

但实际上，它本身也是可以应用在数学领域的。

当然，他更看重的，是通过神经性网络来统计和分析高能物理领域亦或者材料学领域的数据。

后两者的数据量都相当大，需要更健全和简便的数学统计以及分析方式。

而且这些天研究下来，徐川敏锐的感觉到，这种神经性网络，相对比普通的硅基芯片构成计算机来说，它似乎更适合量子芯片与量子计算机。

如果说将传统的硅基芯片构成计算机看成是2D或者的，那么量子计算机则是3D的，天生在维度上超越了一个层次。

而神经性网络计算方式，其实从生物学的角度就能看出来，它天生就是3D的立体性架构。