Автодидактическая Вселенная («учится» ли Вселенная своим законам?)

АвтодидактическаяВселеннаяучитсялиВселеннаясвоимзаконам

Загрузить PDF

Аннотация: Мы представляем подход к космологии, в котором Вселенная изучает свои собственные физические законы. Это достигается путем изучения ландшафта возможных законов, которые мы выражаем в виде определенного класса матричных моделей. Мы обнаруживаем карты, которые ставят каждую из этих матричных моделей в соответствие как с калибровочной теорией / теорией гравитации, так и с математической моделью обучающейся машины, такой как глубокая рекуррентная циклическая нейронная сеть. Это устанавливает соответствие между каждым решением физической теории и запуском нейронной сети. Это соответствие не эквивалентно, отчасти потому, что калибровочные теории возникают из $ N rightarrow infty $ пределов матричных моделей, тогда как те же самые пределы нейронных сетей, используемых здесь, не определены четко. Мы подробно обсуждаем, что значит говорить, что обучение происходит в автодидактических системах, где нет надзора. Мы предполагаем, что если можно сказать, что модель нейронной сети обучается без надзора, то же самое можно сказать и о соответствующей физической теории. Мы рассматриваем другие протоколы для автодидактических физических систем, такие как оптимизация разнообразия графов, репликация подмножеств с использованием самовнимания и предвидения, геометрогенезис, управляемый обучением с подкреплением, структурное обучение с использованием методов ренормализационной группы и расширения. Эти протоколы вместе обеспечивают ряд направлений для изучения происхождения физических законов, основанных на приведении архитектур машинного обучения в соответствие с физическими теориями.

История отправки

От: Уильям Дж. Каннингем [view email]

[v1] пн, 29 март 2104 02: 25: 02 UTC (7, 676 КБ)

Leave a comment

Your email address will not be published. Required fields are marked *