Как компьютер учится видеть невидимые закономерности природы ✛ ✎ ✦

Оригинал: "ScaleAware-JEPA: Latent Representation for Discovery in Multiscale Physical Fields"
· Guang-Xing Li
arXiv:2606.29723 · 2026-06-29 · arXiv non-exclusive · собственный разбор · 1 мин
Метод машинного обучения самостоятельно выявляет структуры в сложных данных, используя разномасштабное размытие.

Новый алгоритм действует подобно художнику, который работает сразу на нескольких холстах с разной степенью прорисовки: от крупных мазков до мельчайших деталей. Он создаёт несколько размытых копий данных, а затем с помощью машинного обучения ищет связи между ними. Так проявляется скрытая структура, незаметная на одном слое.

При анализе виртуальной модели горячей плазмы (ионизированного газа) алгоритм, глядя лишь на перепады плотности, сам выявил очертания магнитного пересоединения — взрывного процесса перестройки невидимых силовых линий, предсказанного ещё Максвеллом.

Тот же подход помог без подсказок разделить ночные огни Чэнду на районы и дороги, а в снимках галактики NGC 3627 — обнаружить тонкие пылевые перемычки. В межзвёздной среде он выделил туманности и очаги рождения звёзд. Риман когда‑то предполагал, что в природе есть скрытые связи между далёкими областями, и алгоритм их действительно находит. Теперь он готов анализировать что угодно: от климатических карт до структуры материалов.

Алгоритм восстановил магнитную структуру плазмы, не имея данных о магнитном поле — только по распределению плотности.

В фильме «Матрица» скрытые коды показывают истинную структуру реальности — так и алгоритм выявляет невидимые связи.

\frac{\partial I}{\partial t} = -\text{ReLU}(-\nabla^2 I)
Здесь I — интенсивность поля, t — время диффузии, которое связано с масштабом λ ~ √t.
Учёные
Andrey MarkovClaude Shannon
Понятия
размеченные данные скалярное поле спутниковые слои аскап трёхмерная карта трёхмерное изображение крупномасштабная структура фазовое пространство ска самонаблюдаемое обучение обзор неба раскрытие скрытой симметрии набор данных энергетический ландшафт gpcp классификатор анализ главных компонент гомотопия метаповерхность симплектическая геометрия