魔改CNN揭秘宇宙大爆发：物理学的核心是对称性

时间：2025-02-23 12:23:26

博雯发自凹非观音寺

量子位 | 市民号 QbitAI

银河系早先将要遭遇的那几秒是什么样的？

这可以真是是理论电学学领域里面最精细的情况之一了，就以早先将要遭遇的几百万分之一秒内，银河系的一种特殊的存在型态为例。

这是一种超高温下的“平庸固体”，对探险银河系因由物质的形态和生态外环境看作及其不小的含义。

在实验室里面，必须要在 15万倍天王星里面心温度的严苛生态外环境下才能获得成功模拟这一型态。

要对这这种高度精细的理论电学学型态开展研究或处理过程，GW需要极长的短时间逼近其型态，当今的AI或CNN也较难基于其里面的理论电学学概念作出有含义的解释。

但以前，理论电学学顶刊PRL上的一篇博士论文提出了一种称为 L-CNN的新型人工智能形态，很好地解决了右边的情况：

如何处理过程规章不函数

在我们深入了解L-CNN的形态在此之前，先来明确一个事实：

现代AI和CNN做大概的训练任务到底是什么？

以开头讲到的“平庸固体”为例，这种型态是指在极高能量和温度下，水分子和里面子被拆解，并重新结合成一种称为里面微子胶子强磁场（QGP）的新型物质型态。

（在此之前物质转变成在此之前的整个银河系都是这种型态）

当带入AI对QGP型态开展研究和阐释时，就必须要选择其规章维度（Gauge Symmetry）。

规章维度是会用并不相同新方法描绘出同一件暴力事件，比如，我们可以用一对载波和电磁场反为描绘出一个电子产品-光子系统都会，也可以用另外一对来描绘出，这两个描绘出一定都会给出同一个电学实质。

而电学量都是规章不变的，因此，看上去用并不相同的数学研究方式描绘出的相对论性场及其相互作用力，或许基本上就是相同的电学正常。

现代CNN较难计算或研究这些规章不函数，纯净就无法得不到有含义的计算机模拟结果。

而开头讲到的新新方法L-CNN全名格点规章等变（Lattice Gauge Equivariant）人工智能，是一种全在此之前，可以对现代CNN无法处理过程的规章不函数开展计算或研究的新方法。

整个新方法是基于格点规章电磁力（Lattice gauge theory）解决情况的。

在格点上，规章不函数并不一定是以并不相同外形的布坎南外环（Wilson Loop）来开展描绘出。

具体的，加入一个在此之前卷积层，能在连续的双线性层里面转变成任意外形的布坎南外环，同时留存规章等价性（Gauge Equivariance）。

而所有可收缩的布坎南外环的集合都可以通过上述新方法降解，于是又连带来自非收缩外环城的流形反馈，均就可以范例所有的规章相互连接。

有了这样的人工智能，就有可能对多个理论电学学的精细系统都会开展预测。

博士论文创作者Andreas Ipp还用里面微子胶子强磁场行了个事例：

比如，L-CNN不须详细计算每一个里面间步骤，就能大约里面微子胶子强磁场在以后某个短时间点的很漂亮。

同时，它也能维护系统都会只导致与规章对称不争执的结果，也就是有数在均有含义的结果。

这是那时候所有的计算新方法都较难做到的，L-CNN毫无疑问为模拟精细电学现象备有了一种新思路。

更进一步，它还都会为探险生命体在此之前瞬间存在的生态外环境、理解银河系里面物质的因由正常，以及黑洞、大统一研究方法的研究成果备有更为多的借助。

创作者介绍

博士论文共有四位创作者，都来自柏林新能源的大学（TU Wien）的研究方法电学研究成果所。

其里面右下角为博士论文的无线电创作者Did I. Müller，为柏林新能源的大学研究方法电学研究成果所的研究工作，主要研究成果领域为高能理论电学学、格点规章场、机器学习。

博士论文：

— 完—

「智能汽车」技术交流大群招聘里面！

爱戴重视智能汽车、自动驾驶的小卡比加入社大群，与行业大咖技术交流、前辈，不错过智能汽车行业持续发展&技术进展。

ps.加友人请务必备注您的姓名-公司-其职哦~

点这里 👇重视我，记起标星哦～

一键三连「分享」、「点赞」和「在看」

新能源前沿进展日日相见~