物理学、生物学或机器学习中许多复杂系统的进化通常可以被认为是优化成本函数的尝试。这种函数通常以高度非线性的方式依赖于大量的变量,这些变量将系统参数化,因此函数的轮廓定义了一个高维的景观,可以是平滑的、凸起的或崎岖的。在许多有趣的情况下,这一景观的结构强烈地决定了动态的结果;然而,对其进行表征是一项非常具有挑战性的任务。在这里,我们从理论上描述了一种在多种环境中出现的能源景观,包括玻璃物理。
我们提供了粗糙景观的几何特性的一般情况,其中随机波动与对给定配置越来越强烈的偏好相竞争。利用数学和统计物理界的技术组合,我们开发了一种通用的方法来计算景观驻点的统计特性,这些驻点可以是局部极小值、局部极大值或鞍点。
我们的分析为系统研究高维景观的特性铺平了道路,如能量函数、成本函数和损失景观——物理和计算机科学中的融合,以及对生态系统和神经网络建模的非保守动态系统的稳定状态进行彻底分类。