[DOCS] Boltzmann machine 계열 논문 5편 정리 (energy-based 신규 카테고리)

[juhy0987]

배경

Phase 15 (PR #72) 완료 — paradigm 의 진짜 dynamic phase 진입. Phase 16+ 진입 전에 graph energy + Boltzmann machine 계열의 historical/foundational 논문을 정리하여 paradigm 의 graph energy 관점 reference 확보.

GraphLM 의 paradigm 에서 HybridGraphLinear 의 adj_outer · adj_inner · W 는 Boltzmann machine 의 graph energy E = -Σ w_ij s_i s_j 와 구조적 유사성. 학습 중 edge prune/grow 의 dynamic 위상 변화는 stochastic Hopfield/BM 의 energy landscape 학습과 비교 가능.

목표 — Core 5편 lineage 정리

#	논문	연도	의미
1	Hinton & Sejnowski — A Learning Algorithm for Boltzmann Machines	1985	BM 원조, energy-based learning + Gibbs sampling
2	Smolensky — Information processing in dynamical systems: Foundations of harmony theory	1986	RBM 원조 ("harmonium")
3	Hinton — Training products of experts by minimizing contrastive divergence	2002	CD-1 — RBM 실용 학습 breakthrough
4	Hinton, Osindero, Teh — A fast learning algorithm for deep belief nets	2006	DBN — 딥러닝 부활
5	Salakhutdinov & Hinton — Deep Boltzmann Machines	2009	DBM — 다층 BM 확장

작업 항목

• docs/papers/energy-based/ 신규 디렉토리 생성
• 5편 md 파일 작성 (_template.md frontmatter + TL;DR + 핵심 기여 + 방법 + 시사점)
• 시사점은 graph energy + paradigm 연결 관점: HybridGraphLinear 의 dual gate 와 BM 의 energy formulation 비교, edge prune 의 energy landscape 변화 등
• docs/papers/README.md 의 인덱스 표에 카테고리 + 5편 추가
• make papers-lint 통과

완료 조건

• 5편 모두 frontmatter 완성 + 시사점 섹션 작성
• README 인덱스에 energy-based 섹션 추가
• make papers-lint PASS

관련

• Phase 15 PR [FEAT#71] neuron Phase 15 — sparsity-driven edge prune (정적 → 동적 위상 진입) #72 (sparsity-driven prune — graph energy 변화의 첫 단계)
• Phase 16 후보 (RigL/Net2Net) 와 BM 의 stochastic update / pre-training 의 연결성 검토