論文の概要: The Universe Learning Itself: On the Evolution of Dynamics from the Big Bang to Machine Intelligence

• arxiv url: http://arxiv.org/abs/2512.16515v1
• Date: Thu, 18 Dec 2025 13:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.072946
• Title: The Universe Learning Itself: On the Evolution of Dynamics from the Big Bang to Machine Intelligence
• Title（参考訳）: 宇宙の学習そのもの:ビッグバンからマシンインテリジェンスへのダイナミクスの進化について
• Authors: Pradeep Singh, Mudasani Rushikesh, Bezawada Sri Sai Anurag, Balasubramanian Raman,
• Abstract要約: 我々は、ビッグバンから現代人類社会やその人工学習システムまで、構造形成の連続的な連鎖を辿る宇宙の統一された動的システム物語を開発する。 宇宙論、天体物理学、地球物理学、生物学、認知、機械知能を非結合領域として扱うのではなく、我々はそれぞれを、より豊かな状態空間における力学の連続的なレギュレーションと見なしている。
• 参考スコア（独自算出の注目度）: 8.723426955657343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a unified, dynamical-systems narrative of the universe that traces a continuous chain of structure formation from the Big Bang to contemporary human societies and their artificial learning systems. Rather than treating cosmology, astrophysics, geophysics, biology, cognition, and machine intelligence as disjoint domains, we view each as successive regimes of dynamics on ever-richer state spaces, stitched together by phase transitions, symmetry-breaking events, and emergent attractors. Starting from inflationary field dynamics and the growth of primordial perturbations, we describe how gravitational instability sculpts the cosmic web, how dissipative collapse in baryonic matter yields stars and planets, and how planetary-scale geochemical cycles define long-lived nonequilibrium attractors. Within these attractors, we frame the origin of life as the emergence of self-maintaining reaction networks, evolutionary biology as flow on high-dimensional genotype-phenotype-environment manifolds, and brains as adaptive dynamical systems operating near critical surfaces. Human culture and technology-including modern machine learning and artificial intelligence-are then interpreted as symbolic and institutional dynamics that implement and refine engineered learning flows which recursively reshape their own phase space. Throughout, we emphasize recurring mathematical motifs-instability, bifurcation, multiscale coupling, and constrained flows on measure-zero subsets of the accessible state space. Our aim is not to present any new cosmological or biological model, but a cross-scale, theoretical perspective: a way of reading the universe's history as the evolution of dynamics itself, culminating (so far) in biological and artificial systems capable of modeling, predicting, and deliberately perturbing their own future trajectories.
• Abstract（参考訳）: 我々は、ビッグバンから現代人類社会やその人工学習システムまで、構造形成の連続的な連鎖を辿る宇宙の統一された動的システム物語を開発する。 宇宙論、宇宙物理学、地球物理学、生物学、認知、機械知能を非結合領域として扱うのではなく、我々はそれぞれを、相転移、対称性を破る事象、創発的な引き金によって縫合された、より豊かな状態空間上の力学の連続的な状態とみなす。 インフレーション場力学と原始摂動の発達から始まり、重力不安定が宇宙のウェブをいかに形作るか、バリオン物質の散逸崩壊が星や惑星を生み出すか、惑星スケールの地球化学的サイクルが長期の非平衡引力をどのように定義するかを記述する。 これらの魅力の中で、我々は生命の起源を自己維持型反応ネットワークの出現、進化生物学を高次元ジェノタイプ-フェノタイプ-環境多様体のフローとして、そして脳を臨界面付近で動く適応力学系として捉えている。 人間の文化と技術 - 現代の機械学習と人工知能を含む - は、自身のフェーズ空間を再帰的に形成する、エンジニアリングされた学習フローを実装し、洗練する象徴的で制度的なダイナミクスとして解釈される。 そこで我々は, アクセシブルな状態空間の測度ゼロの部分集合上の数学的モチーフ-不安定性, 分岐性, マルチスケール結合性, および制約フローの繰り返しを強調する。 我々の目標は、新しい宇宙モデルや生物学的モデルを示すことではなく、クロススケールで理論的な視点で、宇宙の歴史をダイナミクス自体の進化として読み取る方法であり、生物学的および人工システムにおいて、モデリング、予測、故意に将来の軌道を乱すことができる(今のところ)ことである。

関連論文リスト

• AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
  我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。 多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。 ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
  論文  参考訳（メタデータ） (2025-11-26T02:10:28Z)
• WoW: Towards a World omniscient World model Through Embodied Interaction [83.43543124512719]
  世界モデルの正当性的な物理的直観は、現実世界との広範囲で因果的に豊かな相互作用に基礎を置いていなければならない。 このWoWは、200万のロボットインタラクショントラジェクトリに基づいてトレーニングされた、ジェネレーティブな世界モデルである。 WoWBenchは、ビデオの物理的一貫性と因果推論に焦点を当てた新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-09-26T17:59:07Z)
• Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
  エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。 人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-09-11T05:23:22Z)
• State Space Models Naturally Produce Traveling Waves, Time Cells, and Scale to Abstract Cognitive Functions [7.097247619177705]
  ディープラーニングアーキテクチャの新しいクラスであるステートスペースモデル(SSM)に基づくフレームワークを提案する。 我々は、このモデルが生物学的な「時間細胞」を著しく模倣する神経表現を自然に発達させることを実証した。 本研究は,SSMを単一ニューロンのダイナミクスと認知現象を結びつける魅力的な枠組みとして位置づけた。
  論文  参考訳（メタデータ） (2025-07-18T03:53:16Z)
• Grounding Intelligence in Movement [0.9895793818721335]
  機械学習の最近の進歩により、言語、視覚、その他の高次元データをモデル化する能力が劇的に向上した。 神経科学、医学、ロボティクス、倫理学全般において、行動の解釈、意図の予測、相互作用の実現には運動が不可欠である。 運動はAIの主要なモデリング対象として扱われるべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2025-07-03T16:34:34Z)
• Flow-Lenia: Emergent evolutionary dynamics in mass conservative continuous cellular automata [17.764206513343684]
  我々は,レニアの大量保守的拡張であるフロー・レニアを提案する。 Flow-Leniaはモデルのパラメータを埋め込むことができ、出現するパターンの特性を定義します。 我々はこのシステムで発生した進化力学について光を当てた。
  論文  参考訳（メタデータ） (2025-06-10T08:37:26Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Discovering mesoscopic descriptions of collective movement with neural stochastic modelling [4.7163839266526315]
  小～中規模の集団運動(sim$10-1000、別名Meso)は、順序によって非自明な特徴を示す。 ここでは、相互作用する個人の神経群ダイナミクスを特徴付けるために、物理に着想を得たネットワークベースのアプローチを用いる。 本研究では,この手法を合成と実世界の両方のデータセットに適用し,ドリフトと拡散場を用いたダイナミックスの決定論的および側面を同定する。
  論文  参考訳（メタデータ） (2023-03-17T11:49:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。