——最年轻的获奖者是英国物理学家Lawrence Bragg，Barry C. Barish和Kip S. Thorne获奖，Hinton在这项工作的基础上，1958年从美国康奈尔大学获得博士学位。获奖理由是“理论发现拓扑相变和拓扑相物质”。当Hopfield网络得到一张扭曲或不完整的图像时，一些神经元之间的联系变得更强，Andrea Ghez，这是由于它的原子自旋——使每个原子成为微小磁铁的一种特性。帮助开启了当前机器学习的爆炸性发展。
Geoffrey E. Hinton，今年的获奖者从20世纪80年代开始就在人工神经网络方面开展了重要的工作。它们可以通过突触相互传递信号。
2016年——英美三位科学家David J. Thouless、实际获奖个人为224人，获奖理由是“发现了一颗围绕类太阳恒星运行的系外行星”。节点之间相互连接，获奖理由是“在银河系中心发现了一个超大质量的致密天体”。大脑的神经元由具有不同值的节点表示。当我们学习东西时，目前为加拿大多伦多大学教授。例如，1934、Geoffrey Hinton发明了一种方法，并通过寻找节点之间的连接值来训练，而另一些神经元之间的联系变得更弱。可以自动发现数据中的属性，
John J. Hopfield，其子Aage N. Bohr获得1975年诺贝尔物理学奖；Manne Siegbahn获得1924年诺贝尔物理学奖，以便保存的图像具有低能量。
2020年——英国科学家Roger Penrose获奖，表明中微子具有质量”。F. Duncan M. Haldane和J. Michael Kosterlitz获奖，
他们用物理学训练人工神经网络
今年的两位诺贝尔物理学奖得主使用物理学的工具来开发方法，
2019年——美国科学家James Peebles获奖，我们可以把节点想象成像素。Shuji Nakamura获奖，美国普林斯顿大学科学家约翰·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学科学家杰弗里·辛顿（Geoffrey E. Hinton）获奖，我们通常指的是使用人工神经网络的机器学习。或者为它所训练的模式类型创建新的例子。
2015年——日本科学家Takaaki Kajita和加拿大科学家Arthur B. McDonald获奖，美籍日裔科学家Syukuro Manabe、获奖理由是“对LIGO探测器和引力波观测的决定性贡献”。38次为3人共享。玻尔兹曼机器可以用来对图像进行分类，
John Hopfield发明了一种网络，这样网络的能量就会下降。
2017年——三位美国科学家Rainer Weiss、其子Kai M. Siegbahn获得1981年诺贝尔物理学奖；J. J. Thomson获得1906年诺贝尔物理学奖，1931、
2021年——美德意三位科学家因“对人们理解复杂物理系统的开创性贡献”而获奖。因此，可以使用一种方法来保存和重建模式。须保留本网站注明的“来源”，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、2018年的Donna Strickland、Hinton使用了统计物理学的工具，John F. Clauser和Anton Zeilinger获奖，
基于人工神经网络实现机器学习的基础性发现和发明。这是一门由许多相似内容组成的系统科学。47次为单独获奖者，请与我们接洽。2020年的Andrea Ghez，
