كيف تعلمت الشبكة العصبية رؤية الرغوة الكمومية ✛ ✎

الأصل: "Deep learning spinfoam vertex amplitudes: the Euclidean Barrett-Crane model"
· Hanno Sahlmann, Waleed Sherif
arXiv:2505.03255 · 2025-05-06 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
الشبكة العصبية تجري حسابات الرغوة الكمومية بشكل فوري، مستبدلةً ساعات من عمل الحواسيب الضخمة.

تعود فكرة الرغوة الكمومية إلى روجر بنروز وكارلو روفيلي: فالفضاء أشبه برغوة صابون، حيث تمثل كل فقاعة كتلة مجهرية من الواقع. تنفجر هذه الفقاعات وتندمج باستمرار، ولفهم بنية الكون في أعمق مستوياته، يلزم حساب احتمالات تفاعلاتها. في السابق، كانت هذه الحسابات تستغرق ساعات حتى على أقوى الحواسيب.

تمكّنت الشبكات العصبية من إنجازها في أجزاء من الثانية. فالشبكة الأولى، مثل فارز دقيق، تستبعد فوراً الحالات المستحيلة (حيث الاحتمال يساوي صفراً). أما الثانية، فكالمقيّم الخبير، تعطي قيمة دقيقة للحالات المتبقية. والمدهش أنها تنجح في استبعاد الأصفار حتى في السيناريوهات غير المألوفة — كما يميز الإنسان أي سلالة من القطط بعد رؤيته لبعضها.

هذا لا يزال يعمل على أبسط نموذج، لكنه يفتح الطريق لاختبار فرضيات حول لحظة الانفجار العظيم وبنية الفضاء المنحني داخل الثقوب السوداء. وهكذا تقربنا رغوة الصابون من كشف نشأة الكون.

فكرة أن الفضاء قد لا يكون متصلاً بل مكوّناً من حبيبات متناهية الصغر تعود إلى فلاسفة الذرّة الإغريق. في الفيزياء الحديثة، أعاد إحياءها جون أرشيبالد ويلر الذي صاغ مصطلح «الرغوة الكمومية».

في رواية «العمى الكاذب»، يتواصل الكائنات الفضائية بشكل فوري بفضل الطبيعة الكمومية للفضاء. قد يجعل فهم الرغوة الكمومية هذا الخيال حقيقة.

A(j_1,\ldots,j_{10}) = \int \prod_{i=1}^{10} dg_i \prod_{i<j} \delta(g_i g_j^{-1})
مطال القمة كتكامل لحاصل ضرب عشرة عناصر زمرية؛ دوال دلتا تضمن اتساق السبينات على الأوجه.
العلماء
Enrico FermiPaul DiracAlbert EinsteinRobert H. DickeWolfgang PauliJosef Lense
المفاهيم
التعلم ذاتي الإشراف (Self-Supervised Learning) تعلم نشط سعة التشتت شبكة عصبية عميقة شبكة عصبية التعرف على الكلام تدريب طيف القدرة تمييز الأنماط بيانات التدريب انحدار خطي إكس جي بوست التعلم العميق في التصوير الطبي الشبكات العصبية الاستدلالية