Звуковой сигнал удобно представлять комплексным числом: его модуль (амплитуда) отражает громкость, а аргумент (фаза) — положение волны во времени, её мгновенный сдвиг. Традиционные нейросети расщепляют это единое описание на две независимые координаты — грубо говоря, задают адрес в декартовой сетке: «два шага на восток, один на север». При таком подходе теряется внутренняя связь: в реальном сигнале громкость и фаза меняются согласованно, подобно тому как расстояние и направление неразрывны в полярной системе координат.

Модель, вдохновлённая идеями Людвига Больцмана о энтропии как мере неупорядоченности системы, оперирует напрямую парой «расстояние–направление» — то есть амплитудой и фазой совместно, в их естественной связке. Для работы со спектрами звука, где частотный состав меняется в широких пределах, в архитектуру ввели логарифмическую шкалу: человеческое ухо воспринимает десятикратный рост мощности как приблизительно двукратное увеличение громкости, и логарифмическое сжатие имитирует эту психоакустическую особенность. Так возникла модель LogPolarBM, которая элегантно включает классические статистические распределения Райса и Накагами как частные случаи — то есть при определённых условиях её поведение сводится к давно изученным закономерностям затухающих сигналов. В тестах на аудиоданных LogPolarBM превзошла по точности даже глубокие нейросети, хотя сама устроена заметно проще.

Неожиданное продолжение: тот же принцип полярного представления фазы оказался применим далеко за пределами акустики — в беспроводной связи и квантовой физике. Фазы волновых функций критически важны для квантовых вычислений, где информация кодируется именно в относительных фазах. Способность машины «слышать» фазу — то есть извлекать её без потерь, которые были неизбежны при раздельном описании, — позволяет вытянуть из сигнала тонкие корреляции, ускользавшие от прежних методов.