魔改CNN总括宇宙大爆炸：物理学的核心是对称性

2025-01-05 来源 : 综艺

博雯发自凹非寺

广义相对论位 | 公众号 QbitAI

银河系中子星不久前愈演愈烈的那几秒是什么样的？

这可以说是物理学领域中会最多样的原因之一了，就以中子星不久前愈演愈烈的几百万分之一秒内，银河系的一种特殊的不存在形体为例。

这是一种超高温下的“单纯液态”，对探讨银河系本源有机物的结构上和环状境有着及其根本性的普遍性。

在实验室中会，不必要在 15万倍太阳中会心地带温度的严苛环状境下才能并成功演示这一形体。

要对这这种水平多样的物理学形体开展深入研究或检视，超级量化机必需极长的时间段大举进攻其形体，经典的AI或CNN也无法基于其中会的物理学概念作出有普遍性的解释。

但过去，物理学顶刊PRL上的一篇研究并成果提出了一种被称作 L-CNN的新型神经网络结构上，很好地解决了右边的原因：

如何检视准则不数组

在我们集中了解L-CNN的结构上在此之前，先来明确一个事实：

宗教性AI和CNN做不到的侦查是不是是什么？

以结尾处提及的“单纯液态”为例，这种形体是指在颇高动能和温度下，和中子和氘被拆解，并更进一步紧密结合并成一种被称作光子胶子真空（QGP）的新型有机物形体。

（在此之前有机物形并成在此之前的整个银河系都是这种形体）

当过渡到AI对QGP形体开展深入研究和解构时，就不必要权衡其准则对称性（Gauge Symmetry）。

准则对称性是常以并不相近方法描绘出同一件事件，比如，我们可以用一对相位和静电场势描绘出一个电子元件-正电子元件子系统，也可以用另外一对来描绘出，这两个描绘出一定会给出同一个物理实质。

而关系式都是准则恒定的，因此，看上去用并不相近的数学深入研究方式描绘出的基本粒子场及其交互作用力，或许实际上就是相近的物理状态。

宗教性CNN无法量化或深入研究这些准则不数组，自然就无法取得有普遍性的量化机演示结果。

而结尾处提及的新方法L-CNN全名格点准则等坏（Lattice Gauge Equivariant）神经网络，是一种全新的，可以对宗教性CNN无法检视的准则不数组开展量化或深入研究的方法。

整个方法是基于格点准则电磁学（Lattice gauge theory）实现的。

在格点上，准则不数组一般而言是以并不相近外观的布莱尔环状（Wilson Loop）来开展描绘出。

具体的，转入一个新的正弦层，能在连续的双线性层中会形并成至多外观的布莱尔环状，同时保留准则映射性（Gauge Equivariance）。

而所有可闭合的布莱尔环状的子集都可以通过上述方法降解，再沙上来自非闭合环状路的代数信息，应以就可以表征所有的准则连接。

有了这样的神经网络，就意味著对多个物理学的多样子系统开展预测。

研究并成果编者Andreas Ipp都用光子胶子真空行了个范例：

比如，L-CNN须要详细量化每一个中会间步骤，就能有约光子胶子真空在直至某个时间段点的很漂亮。

同时，它也能保障子系统只诱发与准则对称不矛盾的结果，也就是至少在应以有普遍性的结果。

这是之前所有的量化方法都无法无论如何的，L-CNN显然为演示多样物理现象给予了一种新思路。

未来，它还会为探讨实体化在此之前瞬间不存在的环状境、明白银河系中会有机物的本源状态，以及引力、大统一理论的研究者给予更多的努力。

编者介绍

研究并成果计有四位编者，都来自维也纳生物技术的学校（TU Wien）的理论物理研究者所。

其中会右下角为研究并成果的通讯编者Did I. Müller，为维也纳生物技术的学校理论物理研究者所的博士后，主要研究者领域为高能物理学、格点准则场、数据挖掘。

研究并成果：

— 完—

「智能汽车」交流活动群招募中会！

赞许重视智能汽车、自动驾驶的小伙伴们转入社群，与金融业大超人气交流活动、切磋，不错过智能汽车金融业发展&技术并成效。

ps.沙好友请下回一栏您的履历-新公司-职责哦~

点这里 👇重视我，忘了标星哦～

一键三连「体会」、「点赞」和「在看」

生物技术前沿并成效日日相遇~