引用delhanty · 2022-01
“From the article, link to the original paper on arXiv:”
贴出文章对应的 arXiv 原论文,讲会学习演化的物理定律
提出宇宙像机器学习一样自己学习物理定律的宇宙学构想
论文提出一种宇宙学思路:宇宙通过探索由一类矩阵模型表示的可能定律景观来学习自身的物理定律。作者建立了每个矩阵模型与规范/引力理论以及深度循环神经网络这类学习机器数学模型之间的对应,使物理理论的每个解对应神经网络的一次运行,但这种对应并非等价。他们还讨论了无监督的自学习系统中“学习”的含义,并考虑了图多样性优化、自注意力下的子集复制、强化学习引导的几何生成、重整化群结构学习等其他协议。
HN 上的人是在看到相关文章后引用它的 arXiv 原文,用来说明“物理定律本身会学习和变化”这一构想。
这条路径先看物理与深度学习之间的精确映射和神经网络描述世界的构想,再看把物理对称性融入网络的哈密顿神经网络,最后读宇宙自学习物理定律的构想。
重整化群与深度学习之间的精确映射,是把物理理论对应到学习机器的早期范例。
读变分重整化群与基于 RBM 的深度学习如何一一对应;抓住「粗粒化等于特征提取」的类比。
同一作者圈较早提出把世界看作神经网络的构想,目标论文是它的深化。
读整体框架:物理系统与神经网络的类比,以及它与全息、引力等想法的联系;数学细节可略读。
目标论文:构造矩阵模型的景观,并建立它们与规范/引力理论及循环神经网络的对应。
读宇宙通过学习选择物理定律的构想,以及矩阵模型、规范/引力理论和学习机器之间的对应关系。
“From the article, link to the original paper on arXiv:”