一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

最近有科學(xué)家提出了一個(gè)有爭(zhēng)議的理論 整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)

中科院半導(dǎo)體所 ? 來源:中科院半導(dǎo)體所 ? 作者:中科院半導(dǎo)體所 ? 2020-09-24 17:02 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

神經(jīng)網(wǎng)絡(luò)是一種在結(jié)構(gòu)上類似于人類大腦的互連計(jì)算系統(tǒng),但最近有科學(xué)家提出了一個(gè)有爭(zhēng)議的理論,認(rèn)為整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)。

計(jì)算機(jī)科學(xué)家創(chuàng)造的人工神經(jīng)網(wǎng)絡(luò),由處理和傳遞信號(hào)的各種節(jié)點(diǎn)組成,這些節(jié)點(diǎn)類似于生物神經(jīng)元。網(wǎng)絡(luò)可以隨著使用而改變——比如增加賦予某些節(jié)點(diǎn)和連接的權(quán)重,從而在運(yùn)行過程中,整個(gè)網(wǎng)絡(luò)可以不斷“學(xué)習(xí)”。例如,讓神經(jīng)網(wǎng)絡(luò)查看一組貓的圖片,然后神經(jīng)網(wǎng)絡(luò)可以自己學(xué)習(xí)貓的特點(diǎn),進(jìn)而從一群動(dòng)物中找出貓來。

但是,從根本上講,我們所知的一切可能也是這些系統(tǒng)中的一個(gè)。這個(gè)概念的提出,是為了協(xié)調(diào)所謂的“經(jīng)典”物理學(xué)與量子力學(xué)這兩個(gè)領(lǐng)域,這也是困擾了物理學(xué)們很久的一個(gè)問題。

我們不僅僅是說,人工神經(jīng)網(wǎng)絡(luò)可用于分析物理系統(tǒng)或發(fā)現(xiàn)物理定律——我們?cè)谡f的是,我們周圍的世界到底是如何運(yùn)作的,這是一個(gè)非常大膽的主張,可以將其視作對(duì)一切理論的建議,也正因?yàn)槿绱?,它也?yīng)該很容易被證偽。所需要做的就是找到一個(gè)無法用神經(jīng)網(wǎng)絡(luò)來解釋的物理現(xiàn)象。然而,這說起來容易,做起來卻很難。

當(dāng)從一個(gè)比較大的尺度上考慮整個(gè)宇宙的運(yùn)行時(shí),物理學(xué)家通常會(huì)使用一組特定的理論作為工具。這些工具是基于牛頓運(yùn)動(dòng)定律的“經(jīng)典力學(xué)”以及愛因斯坦的相對(duì)論,它們可以用來解釋時(shí)間與空間的關(guān)系,以及質(zhì)量如何扭曲時(shí)空結(jié)構(gòu)以產(chǎn)生引力效應(yīng)。但是,對(duì)于原子和亞原子層面上的物理現(xiàn)象,物理學(xué)家發(fā)現(xiàn)所謂的“量子力學(xué)”可以更好解釋宇宙。

在這個(gè)理論中,能量和動(dòng)量這類的物理量被限定為具有離散值,而非連續(xù)值,也就是“量子”。所有物體都具有粒子性和波動(dòng)性,并且最后,測(cè)量這個(gè)行為也會(huì)改變物體本身。最后這一個(gè)特點(diǎn)叫做海森堡“不確定性原理”,簡(jiǎn)單來說就是某些關(guān)聯(lián)屬性——如物體的位置和速度——無法同時(shí)精確測(cè)量,于是就有了概率一說。

盡管這些理論在各自的尺度范圍內(nèi)都可以很好地解釋宇宙,但物理學(xué)家一直希望能有一種方法可以將這些理論協(xié)調(diào)成一個(gè)普遍理論——這個(gè)難題有時(shí)也被稱為“量子引力難題”。如果要結(jié)合這兩種理論,那么重力(用廣義相對(duì)論描述即為物質(zhì)/能量的時(shí)空彎曲)可能需要由量子組成,然后也因此具有自己的基本粒子——引力子。

遺憾的是,單個(gè)引力子對(duì)物質(zhì)產(chǎn)生的影響將非常非常微弱,這就導(dǎo)致量子引力理論幾乎無法驗(yàn)證,因此也就無從判斷這個(gè)理論到底是不是正確的。但是,神經(jīng)網(wǎng)絡(luò)概念卻另辟蹊徑,不再嘗試將廣義相對(duì)論和量子力學(xué)調(diào)和成一個(gè)基本的普遍理論,而是認(rèn)為,這種理論中所觀察到行為背后,有更深層次的原因。

在新研究中,科學(xué)家著手建立了一個(gè)模型,觀察神經(jīng)網(wǎng)絡(luò)在具有大量單個(gè)節(jié)點(diǎn)的系統(tǒng)中,是如何運(yùn)作的,在某些(接近平衡的)條件下,神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)行為可以近似地用量子力學(xué)方程式來解釋;但是其他時(shí)候則需要用經(jīng)典物理定律來解釋。

這個(gè)理論或許也可以用來解釋所謂的“隱變量”,即一些物理學(xué)家提出的物體的未知屬性,用以解釋大多數(shù)量子力學(xué)理論中固有的不確定性,在新興的量子力學(xué)中,隱變量是各個(gè)神經(jīng)元的狀態(tài),是可訓(xùn)練的變量——就好比偏差矢量和權(quán)重矩陣等,是量子變量。

在這樣一個(gè)神經(jīng)網(wǎng)絡(luò)中,從粒子和原子到細(xì)胞再到其他的一切,都將以類似于進(jìn)化/自然選擇的過程慢慢出現(xiàn)。微觀神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)更加穩(wěn)定一些,其他結(jié)構(gòu)則穩(wěn)定性差一些。越是穩(wěn)定的結(jié)構(gòu)越能夠在進(jìn)化中生存下來,而不穩(wěn)定的結(jié)構(gòu)則會(huì)被淘汰。

在最小的尺度上,自然可能會(huì)選擇會(huì)產(chǎn)生一些復(fù)雜度非常低的結(jié)構(gòu),像是神經(jīng)元鏈,但是尺度越大,結(jié)構(gòu)就越復(fù)雜,但這個(gè)過程應(yīng)該被限制在一個(gè)特定長(zhǎng)度范圍內(nèi)。因此,這個(gè)概念意味著,我們周圍所看到的一切,例如粒子、原子、細(xì)胞、觀察者等等——都是自然選擇的結(jié)果。

至于“宇宙即神經(jīng)網(wǎng)絡(luò)理論”是否會(huì)得到認(rèn)可,物理學(xué)界的大部分人似乎并不買賬。99%的物理學(xué)家會(huì)告訴你,量子力學(xué)是主要理論,一切都應(yīng)以某種方式從中而來,但是這個(gè)原則,又跟量子力學(xué)非基本規(guī)律的觀點(diǎn)相矛盾,物理學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域的專家也都對(duì)這個(gè)新理論持懷疑態(tài)度。

責(zé)任編輯:xj

原文標(biāo)題:我們實(shí)際上生活在矩陣中嗎?整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)?

文章出處:【微信公眾號(hào):中科院半導(dǎo)體所】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:我們實(shí)際上生活在矩陣中嗎?整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)?

文章出處:【微信號(hào):bdtdsj,微信公眾號(hào):中科院半導(dǎo)體所】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?672次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為種常用的機(jī)器學(xué)習(xí)模型,具有顯著的優(yōu)點(diǎn),同時(shí)也存在些不容忽視的缺點(diǎn)。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)的分析
    的頭像 發(fā)表于 02-12 15:36 ?924次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹:
    的頭像 發(fā)表于 02-12 15:18 ?771次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、個(gè)或多個(gè)隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整
    的頭像 發(fā)表于 02-12 15:15 ?863次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)的基本原理涉及前向傳播和反向傳播兩個(gè)核心過程。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)基本原理的介紹: 、
    的頭像 發(fā)表于 02-12 15:13 ?858次閱讀

    深度學(xué)習(xí)入門:簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

    深度學(xué)習(xí)中,神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)
    的頭像 發(fā)表于 01-23 13:52 ?530次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?1196次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每層的每個(gè)神經(jīng)元都與下
    的頭像 發(fā)表于 11-15 14:53 ?1878次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 09:42 ?1129次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    的結(jié)構(gòu)與工作機(jī)制的介紹: 、LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要包括以下幾個(gè)部分: 記憶單元(Memory Cell) : 記憶單元是LSTM網(wǎng)絡(luò)的核心,負(fù)責(zé)在
    的頭像 發(fā)表于 11-13 10:05 ?1632次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    神經(jīng)網(wǎng)絡(luò)(RNN) RNN的基本結(jié)構(gòu) RNN是種特殊的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù)。在RNN中,每個(gè)時(shí)間步的輸入都會(huì)通過個(gè)循環(huán)結(jié)構(gòu)傳遞到
    的頭像 發(fā)表于 11-13 09:58 ?1215次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    必須通過決策閾值做出決定。 另一個(gè)區(qū)別是AI并不依賴固定的規(guī)則,而是要經(jīng)過訓(xùn)練。訓(xùn)練過程需要將大量貓的圖像展示給神經(jīng)網(wǎng)絡(luò)以供其學(xué)習(xí)。最終,神經(jīng)網(wǎng)絡(luò)將能夠獨(dú)立識(shí)別圖像中是否貓。關(guān)鍵的
    發(fā)表于 10-24 13:56

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是個(gè)在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時(shí)。在本文中,我們將深入探討如何從頭開始構(gòu)建
    的頭像 發(fā)表于 07-19 17:19 ?1569次閱讀