Beyond holography: the entropic quantum gravity foundations of image processing
Ginestra Bianconi
最近,由于人工智能(AI)的发展,在建立理论物理学和人工智能之间的联系方面,科学上越来越受到关注。 传统上,这些联系主要关注弦理论和图像处理之间的关系,并涉及重要的理论范式,如全息。 最近G。 Bianconi制定了Gravity from Entropy(GfE)方法,其中重力来自与Loentzian时空相关的两个指标之间的几何量子相对熵(GQRE)。 在这里证明,用于图像处理的著名的Perona-Malik算法是其简单预热场景中GfE动作的梯度流。 具体来说,该算法是GQRE在两个欧几里得指标之间最小化的结果:图像的支持和图像诱导的一个。 由于Perona-Malik算法已知保留锐利的轮廓,这意味着GfE动作在梯度流动力学的迭代时通常不会导致均匀的图像,因为它可以通过直观地期望从最大化经典熵的熵动作中获得。 相反,GQRE最小化的结果与保存复杂的结构是兼容的。 这些结果为Perona-Malik算法提供了几何和信息理论基础,并可能有助于在GfE,机器学习和大脑研究之间建立更深层次的联系。
Recently, thanks to the development of artificial intelligence (AI) there is increasing scientific attention in establishing the connections between theoretical physics and AI. Traditionally, these connections have been focusing mostly on the relation between string theory and image processing and involve important theoretical paradigms such as holography. Recently G. Bianconi has formulated the Gravity from Entropy (GfE) approach to quantum gravity in which gravity is derived from the geometric...