Universo: Uma Rede Neural Interconectada?

Uma nova maneira de pensar está surgindo sobre como diferentes áreas da física poderiam ser conectadas para criar um modelo que une o pensamento científico tradicional com novas ideias na física quântica.

Links Patrocinados
 

Durante anos, os mais brilhantes físicos tentaram unificar a Física Clássica e a Física Quântica em uma “Teoria de Tudo” sem sucesso até agora.

A física clássica remonta à época de Isaac Newton e é baseada em equações físicas e mecânicas em que tudo funciona como um relógio, de forma previsível e conhecida.

A física quântica, por outro lado, analisa as escalas microscópicas e subatômicas e como elas interagem nos níveis das partículas, ondas e campos de força, onde as leis fundamentais neste nível quântico são opostas de seu comportamento no nível clássico. Em vez de certeza, você tem incerteza, em vez de previsibilidade, você tem probabilidade.

 

Então, como conectamos essas diferentes visões com a chamada “Teoria de Tudo”?

Um artigo recente de Vitaly Vanchurin, professor de Física da Universidade de Minnesota, argumenta que ao invés de simplesmente olhar para unir os mundos relativístico e quântico, talvez um terceiro fenômeno mereça ser incorporado também: o dos observadores.

Em seu artigo, Vanchurin considera a possibilidade de que uma proposta de “rede neural microscópica” possa servir como a estrutura fundamental a partir da qual todos os outros fenômenos da natureza – observadores quânticos, clássicos e macroscópicos – emergem.

O artigo se baseia em um artigo anterior, “Rumo a uma Teoria do Aprendizado de Máquina”, no qual Vanchurin empregou a mecânica estatística para examinar as redes neurais. A partir desse trabalho, Vanchurin primeiro se deu conta de alguns dos corolários que parecem existir entre as redes neurais e a dinâmica da física quântica.

“Discutimos a possibilidade de que todo o universo em seu nível mais fundamental seja uma rede neural. Identificamos dois tipos diferentes de graus de liberdade dinâmicos: variáveis “treináveis” (por exemplo, vetor de polarização ou matriz de peso) e variáveis “ocultas” (por exemplo, vetor de estado dos neurônios).

Primeiro consideramos a evolução das probabilidades das variáveis treináveis para argumentar que perto do equilíbrio sua dinâmica é bem aproximada pelas equações de Madelung (com a energia livre representando a fase) e mais longe do equilíbrio pelas equações de Hamilton-Jacobi (com a energia livre representando a função principal de Hamilton).

Isso mostra que as variáveis treináveis podem de fato exibir comportamentos clássicos e quânticos com o vetor de estado dos neurônios representando as variáveis ocultas. Se os subsistemas estão interagindo minimamente, com interações descritas por um tensor métrico, então o espaço-tempo emergente torna-se curvo.

Argumentamos que a produção de entropia em tal sistema é uma função local do tensor métrico que deve ser determinada pelas simetrias do tensor Onsager. Acontece que um tensor Onsager muito simples e altamente simétrico leva à produção de entropia descrita por Einstein e Hilbert. Isso mostra que a dinâmica de aprendizagem de uma rede neural pode de fato exibir comportamentos aproximados descritos tanto pela mecânica quântica quanto pela relatividade geral. Também discutimos a possibilidade de que as duas descrições sejam formas holográficas duais uma da outra”.