Newtonsan on Nostr: Hashimoto, Koji et al. “Deep learning and the AdS/CFT correspondence.” Physical ...
Hashimoto, Koji et al. “Deep learning and the AdS/CFT correspondence.” Physical Review D (2018): n. pag.
https://sci-hub.ru/10.1103/PhysRevD.98.046019Este artigo apresenta a correspondência AdS/DL, uma técnica inovadora que utiliza o aprendizado profundo para modelar sistemas quânticos de forte acoplamento por meio da gravidade holográfica. Os autores propõem que uma rede neural profunda pode representar a geometria de um espaço curvo, onde as camadas da rede equivalem à direção radial do espaço emergente. Através do treinamento com dados de resposta de fronteira, o sistema é capaz de resolver o problema inverso, determinando a métrica do bulk e as constantes de acoplamento do modelo. A eficácia do método foi validada tanto com dados teóricos de buracos negros de Schwarzschild quanto com resultados experimentais do material Sm0.6Sr0.4MnO3. Essa abordagem não apenas automatiza a construção de modelos holográficos, mas também sugere uma conexão profunda entre o espaço-tempo emergente na física teórica e as estruturas de processamento de dados na inteligência artificial.
Published at
2026-07-17 03:55:03 UTCEvent JSON
{
"id": "f8e3cf3d496a5e877ffa3acb3e7084aeb5320b2157eb4aee7ce15126ed2a7553",
"pubkey": "b300db32ab9b44a508af1e2d72004d6de4014bb11b28790820a10d910bf5db3a",
"created_at": 1784260503,
"kind": 1,
"tags": [
[
"client",
"Primal Android"
]
],
"content": "Hashimoto, Koji et al. “Deep learning and the AdS/CFT correspondence.” Physical Review D (2018): n. pag.\n\nhttps://sci-hub.ru/10.1103/PhysRevD.98.046019\n\nEste artigo apresenta a correspondência AdS/DL, uma técnica inovadora que utiliza o aprendizado profundo para modelar sistemas quânticos de forte acoplamento por meio da gravidade holográfica. Os autores propõem que uma rede neural profunda pode representar a geometria de um espaço curvo, onde as camadas da rede equivalem à direção radial do espaço emergente. Através do treinamento com dados de resposta de fronteira, o sistema é capaz de resolver o problema inverso, determinando a métrica do bulk e as constantes de acoplamento do modelo. A eficácia do método foi validada tanto com dados teóricos de buracos negros de Schwarzschild quanto com resultados experimentais do material Sm0.6Sr0.4MnO3. Essa abordagem não apenas automatiza a construção de modelos holográficos, mas também sugere uma conexão profunda entre o espaço-tempo emergente na física teórica e as estruturas de processamento de dados na inteligência artificial. \n\n",
"sig": "a8f78cc0f509c0987662e497a5775736389248af2f1b0c79983265e362701d6c11da748188881ad5b569ee0f24c7e7afe29ae45d767969d871376195545f35d5"
}
