
الشبكات العصبية تُستخدم كمقدّر إحصائي لمعادلة الحالة.انحدار الشبكات العصبية هو تقنية تعلم آلي يتم فيها تدريب شبكة عصبية اصطناعية للتنبؤ بمخرج رقمي مستمر من ميزات الإدخال. في الفيزياء، تُستخدم بشكل متزايد كمقدّر إحصائي للعلاقات المعقدة، مثل معادلة الحالة للمادة — الدالة التي تربط الضغط ودرجة الحرارة والحجم. بدلاً من الاعتماد على الصيغ التحليلية، تتعلم الشبكة العصبية معادلة الحالة مباشرة من البيانات التجريبية أو بيانات المحاكاة، مما يلتقط اللاخطية التي يصعب نمذجتها يدويًا.
تم تصور الشبكات العصبية في الأربعينيات، لكن استخدامها في الفيزياء للانحدار أصبح واسع الانتشار في العقد 2010 مع صعود التعلم العميق ووحدات معالجة الرسوميات القوية. ظهرت تطبيقات محددة لمعادلات الحالة في الفيزياء النووية والفيزياء الفلكية حوالي ذلك الوقت.
تتكون الشبكة العصبية من طبقات من 'الخلايا العصبية' المترابطة (دوال رياضية). أثناء التدريب، تعدل الشبكة أوزانها الداخلية لتقليل الفرق بين توقعاتها ونقاط البيانات المعروفة (مثلًا من التجارب النووية أو المحاكاة). بمجرد تدريبها، يمكنها الاستيفاء أو الاستقراء للتنبؤ بمعادلة الحالة لظروف جديدة. تسمح مرونة الشبكة لها بتقريب أي دالة سلسة، بشرط توفر بيانات وخلايا عصبية كافية.
تُستخدم لنمذجة معادلات الحالة للنجوم النيوترونية والمادة النووية والمواد تحت الظروف القاسية، حيث تكون الصيغ التحليلية التقليدية غير كافية.
شبكة عصبية بطبقة خفية واحدة فقط يمكنها تقريب أي دالة مستمرة على مجال مضغوط — وهي نتيجة تُعرف بنظرية التقريب الشامل.



















