In these notes we describe heuristics to predict computational-to-statistical gaps in certain statistical problems. These are regimes in which the underlying statistical problem is information-theoretically possible although no efficient algorithm exists, rendering the problem essentially unsolvable for large instances. The methods we describe here are based on mature, albeit non-rigorous, tools from statistical physics. These notes are based on a lecture series given by the authors at the Courant Institute of Mathematical Sciences in New York City, on May 16th, 2017.

中文翻译：

---

关于计算与统计差距的说明：使用统计物理学进行预测

在这些笔记中，我们描述了启发式方法来预测某些统计问题中的计算与统计的差距。在这些机制中，尽管没有有效的算法存在，但潜在的统计问题在理论上是可能的，这使得该问题对于大型实例基本上无法解决。我们在此描述的方法基于来自统计物理学的成熟但不严格的工具。这些笔记基于作者于 2017 年 5 月 16 日在纽约市 Courant 数学科学研究所进行的系列讲座。