91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

最近有科學(xué)家提出了一個(gè)有爭議的理論 整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)

中科院半導(dǎo)體所 ? 來源:中科院半導(dǎo)體所 ? 作者:中科院半導(dǎo)體所 ? 2020-09-24 17:02 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

神經(jīng)網(wǎng)絡(luò)是一種在結(jié)構(gòu)上類似于人類大腦的互連計(jì)算系統(tǒng),但最近有科學(xué)家提出了一個(gè)有爭議的理論,認(rèn)為整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)。

計(jì)算機(jī)科學(xué)家創(chuàng)造的人工神經(jīng)網(wǎng)絡(luò),由處理和傳遞信號(hào)的各種節(jié)點(diǎn)組成,這些節(jié)點(diǎn)類似于生物神經(jīng)元。網(wǎng)絡(luò)可以隨著使用而改變——比如增加賦予某些節(jié)點(diǎn)和連接的權(quán)重,從而在運(yùn)行過程中,整個(gè)網(wǎng)絡(luò)可以不斷“學(xué)習(xí)”。例如,讓神經(jīng)網(wǎng)絡(luò)查看一組貓的圖片,然后神經(jīng)網(wǎng)絡(luò)可以自己學(xué)習(xí)貓的特點(diǎn),進(jìn)而從一群動(dòng)物中找出貓來。

但是,從根本上講,我們所知的一切可能也是這些系統(tǒng)中的一個(gè)。這個(gè)概念的提出,是為了協(xié)調(diào)所謂的“經(jīng)典”物理學(xué)與量子力學(xué)這兩個(gè)領(lǐng)域,這也是困擾了物理學(xué)們很久的一個(gè)問題。

我們不僅僅是說,人工神經(jīng)網(wǎng)絡(luò)可用于分析物理系統(tǒng)或發(fā)現(xiàn)物理定律——我們在說的是,我們周圍的世界到底是如何運(yùn)作的,這是一個(gè)非常大膽的主張,可以將其視作對(duì)一切理論的建議,也正因?yàn)槿绱?,它也?yīng)該很容易被證偽。所需要做的就是找到一個(gè)無法用神經(jīng)網(wǎng)絡(luò)來解釋的物理現(xiàn)象。然而,這說起來容易,做起來卻很難。

當(dāng)從一個(gè)比較大的尺度上考慮整個(gè)宇宙的運(yùn)行時(shí),物理學(xué)家通常會(huì)使用一組特定的理論作為工具。這些工具是基于牛頓運(yùn)動(dòng)定律的“經(jīng)典力學(xué)”以及愛因斯坦的相對(duì)論,它們可以用來解釋時(shí)間與空間的關(guān)系,以及質(zhì)量如何扭曲時(shí)空結(jié)構(gòu)以產(chǎn)生引力效應(yīng)。但是,對(duì)于原子和亞原子層面上的物理現(xiàn)象,物理學(xué)家發(fā)現(xiàn)所謂的“量子力學(xué)”可以更好解釋宇宙。

在這個(gè)理論中,能量和動(dòng)量這類的物理量被限定為具有離散值,而非連續(xù)值,也就是“量子”。所有物體都具有粒子性和波動(dòng)性,并且最后,測量這個(gè)行為也會(huì)改變物體本身。最后這一個(gè)特點(diǎn)叫做海森堡“不確定性原理”,簡單來說就是某些關(guān)聯(lián)屬性——如物體的位置和速度——無法同時(shí)精確測量,于是就有了概率一說。

盡管這些理論在各自的尺度范圍內(nèi)都可以很好地解釋宇宙,但物理學(xué)家一直希望能有一種方法可以將這些理論協(xié)調(diào)成一個(gè)普遍理論——這個(gè)難題有時(shí)也被稱為“量子引力難題”。如果要結(jié)合這兩種理論,那么重力(用廣義相對(duì)論描述即為物質(zhì)/能量的時(shí)空彎曲)可能需要由量子組成,然后也因此具有自己的基本粒子——引力子。

遺憾的是,單個(gè)引力子對(duì)物質(zhì)產(chǎn)生的影響將非常非常微弱,這就導(dǎo)致量子引力理論幾乎無法驗(yàn)證,因此也就無從判斷這個(gè)理論到底是不是正確的。但是,神經(jīng)網(wǎng)絡(luò)概念卻另辟蹊徑,不再嘗試將廣義相對(duì)論和量子力學(xué)調(diào)和成一個(gè)基本的普遍理論,而是認(rèn)為,這種理論中所觀察到行為背后,有更深層次的原因。

在新研究中,科學(xué)家著手建立了一個(gè)模型,觀察神經(jīng)網(wǎng)絡(luò)在具有大量單個(gè)節(jié)點(diǎn)的系統(tǒng)中,是如何運(yùn)作的,在某些(接近平衡的)條件下,神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)行為可以近似地用量子力學(xué)方程式來解釋;但是其他時(shí)候則需要用經(jīng)典物理定律來解釋。

這個(gè)理論或許也可以用來解釋所謂的“隱變量”,即一些物理學(xué)家提出的物體的未知屬性,用以解釋大多數(shù)量子力學(xué)理論中固有的不確定性,在新興的量子力學(xué)中,隱變量是各個(gè)神經(jīng)元的狀態(tài),是可訓(xùn)練的變量——就好比偏差矢量和權(quán)重矩陣等,是量子變量。

在這樣一個(gè)神經(jīng)網(wǎng)絡(luò)中,從粒子和原子到細(xì)胞再到其他的一切,都將以類似于進(jìn)化/自然選擇的過程慢慢出現(xiàn)。微觀神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)更加穩(wěn)定一些,其他結(jié)構(gòu)則穩(wěn)定性差一些。越是穩(wěn)定的結(jié)構(gòu)越能夠在進(jìn)化中生存下來,而不穩(wěn)定的結(jié)構(gòu)則會(huì)被淘汰。

在最小的尺度上,自然可能會(huì)選擇會(huì)產(chǎn)生一些復(fù)雜度非常低的結(jié)構(gòu),像是神經(jīng)元鏈,但是尺度越大,結(jié)構(gòu)就越復(fù)雜,但這個(gè)過程應(yīng)該被限制在一個(gè)特定長度范圍內(nèi)。因此,這個(gè)概念意味著,我們周圍所看到的一切,例如粒子、原子、細(xì)胞、觀察者等等——都是自然選擇的結(jié)果。

至于“宇宙即神經(jīng)網(wǎng)絡(luò)理論”是否會(huì)得到認(rèn)可,物理學(xué)界的大部分人似乎并不買賬。99%的物理學(xué)家會(huì)告訴你,量子力學(xué)是主要理論,一切都應(yīng)以某種方式從中而來,但是這個(gè)原則,又跟量子力學(xué)非基本規(guī)律的觀點(diǎn)相矛盾,物理學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域的專家也都對(duì)這個(gè)新理論持懷疑態(tài)度。

責(zé)任編輯:xj

原文標(biāo)題:我們實(shí)際上生活在矩陣中嗎?整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)?

文章出處:【微信公眾號(hào):中科院半導(dǎo)體所】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:我們實(shí)際上生活在矩陣中嗎?整個(gè)宇宙都是神經(jīng)網(wǎng)絡(luò)?

文章出處:【微信號(hào):bdtdsj,微信公眾號(hào):中科院半導(dǎo)體所】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?337次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    激活函數(shù)ReLU的理解與總結(jié)

    《The Organization of Behavior》論文中描述了神經(jīng)元學(xué)習(xí)法則。 人工神經(jīng)網(wǎng)絡(luò)更進(jìn)步被美國神經(jīng)學(xué)家Frank Rosenblatt所發(fā)展。他
    發(fā)表于 10-31 06:16

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的般化建議

    :Dropout層隨機(jī)跳過神經(jīng)網(wǎng)絡(luò)模型中某些神經(jīng)元之間的連接,通過隨機(jī)制造缺陷進(jìn)行訓(xùn)練提升整個(gè)神經(jīng)網(wǎng)絡(luò)的魯棒性。 6)指定合理的學(xué)習(xí)率策略:
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練個(gè)手寫數(shù)字識(shí)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于個(gè)文件,并在 Verilog 代碼中通過 read
    發(fā)表于 10-20 08:00

    國際類腦計(jì)算科學(xué)家Yulia Sandamirskaya教授加盟時(shí)識(shí)科技

    近日,國際類腦計(jì)算與神經(jīng)形態(tài)機(jī)器人領(lǐng)域知名科學(xué)家Yulia Sandamirskaya 教授,作為科學(xué)家顧問正式加入時(shí)識(shí)科技(SynSense)。
    的頭像 發(fā)表于 10-13 13:50 ?753次閱讀

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的
    的頭像 發(fā)表于 09-28 10:03 ?1243次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長等
    的頭像 發(fā)表于 09-17 13:31 ?1139次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+AI的科學(xué)應(yīng)用

    AI被賦予了人的智能,科學(xué)家們希望在沒有人類的引導(dǎo)下,AI自主的提出科學(xué)假設(shè),諾貝爾獎(jiǎng)級(jí)別的假設(shè)哦。 AI驅(qū)動(dòng)科學(xué)被認(rèn)為是科學(xué)發(fā)現(xiàn)的第五個(gè)
    發(fā)表于 09-17 11:45

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能(AI)或深度學(xué)習(xí)時(shí),經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些概念對(duì)非專業(yè)
    的頭像 發(fā)表于 09-10 17:38 ?910次閱讀
    如何在機(jī)器視覺中部署深度學(xué)習(xí)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3478次閱讀

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe
    的頭像 發(fā)表于 06-03 15:51 ?1238次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析