Cómo una red neuronal aprendió a ver la espuma cuántica ✛ ✎

Original: "Deep learning spinfoam vertex amplitudes: the Euclidean Barrett-Crane model"
· Hanno Sahlmann, Waleed Sherif
arXiv:2505.03255 · 2025-05-06 · arXiv non-exclusive · análisis propio · 1 min
Una red neuronal calcula instantáneamente la espuma cuántica, reemplazando horas de trabajo de potentes computadoras.

La idea de la espuma cuántica se remonta a Roger Penrose y Carlo Rovelli: el espacio es como una espuma de jabón, donde cada burbuja es un grumo microscópico de realidad. Estas burbujas estallan y se fusionan constantemente, y para entender cómo funciona el universo en su nivel más profundo, necesitamos calcular las probabilidades de sus interacciones. Antes, esos cálculos tomaban horas incluso en computadoras potentes.

Las redes neuronales lo lograron en milisegundos. La primera red, como un meticuloso clasificador, descarta instantáneamente las opciones imposibles (donde la probabilidad es cero). La segunda —como un evaluador experimentado— da el valor exacto para el resto. Es sorprendente que filtre correctamente los ceros incluso en escenarios desconocidos, similar a cómo una persona que ha visto un par de gatos reconoce cualquier raza.

Por ahora funciona en el modelo más simple, pero abre el camino para probar hipótesis sobre el momento del Big Bang y la estructura del espacio-tiempo curvado dentro de los agujeros negros. Así, la espuma de jabón nos acerca a desentrañar el nacimiento del universo.

La idea de que el espacio podría no ser continuo, sino estar compuesto de granos diminutos, se remonta a los atomistas de la antigua Grecia. En la física moderna, fue revivida por John Wheeler, quien acuñó el término «espuma cuántica».

En la novela «Visión ciega», los alienígenas se comunican instantáneamente gracias a la naturaleza cuántica del espacio. Quizás, comprender la espuma cuántica convierta esta fantasía en realidad.

A(j_1,\ldots,j_{10}) = \int \prod_{i=1}^{10} dg_i \prod_{i<j} \delta(g_i g_j^{-1})
La amplitud de vértice como integral del producto de diez elementos de grupo; las funciones delta aseguran la consistencia de los espines en las caras.
Científicos
Enrico FermiPaul DiracAlbert EinsteinRobert H. DickeWolfgang PauliErwin Schrödinger
Conceptos
aprendizaje autosupervisado aprendizaje activo amplitud de dispersión red neuronal profunda red neuronal reconocimiento del habla entrenamiento espectro de potencia reconocimiento de patrones datos de entrenamiento regresión lineal xgboost aprendizaje profundo en imagenología médica redes neuronales evidenciales