經典物理學和現代物理學的爭論至今仍沒有消停， 愛因斯坦和普朗克的出現顛覆了人們以往對世界的認知，傳統物理研究手段已經很難去解釋 微觀世界下的運動狀態和變化。
普朗克向愛因斯坦頒獎
而兩者之間的差異隨著 相對論和量子力學的發展變得難以調和，為了尋求解決這兩者之間的溝通障礙， 來自明尼蘇達大學德盧斯分校的物理學教授維塔利·萬丘林，試圖以神經網絡的角度去解釋 整個宇宙的運作。
在他的計算推測中， 萬丘林認為宇宙可能是一個巨大的神經網絡，整個神經網絡內的每種可觀察現象都可以通過它來進行模擬建設，從某種程度上可以解釋整個宇宙的運作方式。
宇宙可能是一個巨大的神經網絡
萬丘林教授這個驚人的理論是如何得出的？什麼是神經網絡？如果宇宙是一個神經網絡，這意味著什麼？本文接下來將從 神經網絡工程和萬丘林教授的研究進行解答，為什麼說宇宙可能是一個巨大的神經網絡，它真是活的嗎？
當前的 量子力學從理論研究開始，到應用在廣泛范圍內對物理現象進行建模，從微觀狀態下的高能實驗，到巨觀范圍內的宇宙學觀測。量子力學的范式表現得非常成功，現代科學界普遍認為，在最基本的層面上， 整個宇宙都受量子力學的規則所支配，甚至包括 引力也應該是在此之下以某種方式出現。
按照尺寸與速度分類，物理學的四大領域
但在 量子力學的研究中有一個問題在于，當觀察者開始干涉或者對其進行觀察時，整個量子框架也會開始分崩離析。（可以參考量子通訊的問題）而觀察者如果排除在量子系統之外時，這一切似乎又很正常。如何描述量子系統中的巨觀觀察者， 比如宇宙本身，并沒有像經典物理學那樣對現象有著清楚的解釋。
宇宙[大尺度]結構模擬圖
為了解決人們對物理世界的描述中出現的這種明顯不一致， 人們應該考慮擁有一個比量子力學更基本的理論。因此在這個思考背景下， 萬丘林教授假設了一個可行的描述，在最基本的層面上，整個宇宙的動力學是由一個經歷學習進化的微觀神經網絡來描述。
大腦和宇宙
如果描述正確，那麼不僅是巨觀觀察者，更重要的地方在于， 量子力學和廣義相對論應該在適當的范圍內正確地描述 微觀神經網絡的動力學。
另外，量子力學的新見解認為，量子力學可能不是一種基本的理論， 它只是一種允許在某些動力系統中進行統計計算的數學工具。如果正確，那麼模擬應該能從第一原理推導出所有基本成本， 如復波函數、薛定諤方程。
人腦的神經元網絡
萬丘林教授對包含兩種 不同類型自由度的神經網絡動態系統進行了分析，接近平衡的可訓練變量的動力學由代表量子相的自由能的馬德隆方程描述，并且遠離平衡。 它們的動力學由哈密頓方程描述，其中自由能代表哈密頓的主函數。
神經元細胞結構圖和連接圖
最終結果表明神經網絡確實可以表現出涌現的 量子行為和經典行為（兩種物理理論下的表現），同時他還強調這個學習動態是必不可少的，單獨的隨機動態不會產生預期的結果。 對于廣義相對論以及熱力學定律中的熵宇宙，分析結果就有另外兩種狀態。
那麼該研究是如何看待這些結果的呢？
愛因斯坦解釋廣義相對論的手稿扉頁
神經網絡在適當極限內的動力學可以通過 量子力學和廣義相對論的涌現來完成近似，但是這兩個極限狀態截然不同。引力理論下描述了一 個非常稀疏和深度的神經網絡，而在量子理論中，神經網絡的表現非常密集和淺層。
另外 萬丘林教授還推測，在深層和稀疏網絡的神經元與淺層和密集網絡的邊界神經元之間可能存在全息對偶映射。
原子的三個主要亞原子粒子是質子、中子和電子
如果整個宇宙是一個神經網絡，那麼像自然選擇這樣的事情可能會 在整個宇宙學的尺度上進行，小到亞原子，大到生物。 宇宙中更穩定的結構更有機會存活下去，而不太穩定的結構更有可能被消滅。
這個推測如果正確，那麼我們今天所看見的原子和粒子實際上可能是從 一些非常低的復雜性結構開始，長期進化的結果。對于我們人類或者說巨觀狀態下的觀察者以及 生物細胞則是更長時間進化的結果。
一個典型的原核細胞結構
研究最后指出，要證明這個理論是錯的其實很簡單，它所需要的方法就是 找到一種神經網絡無法描述的物理現象。但在實際應用中非常困難，現在科學界有多種 「萬物理論」的假設，它們都比較合理地解釋了事物的運作， 因此目前也沒有神經網絡不能模擬出來的計算。
智能機器人
但就神經網絡工程來講，人們對機器學習，以及神經網絡是如何運作的知道得非常少，這樣的說法顯然缺乏一定的說服力。這篇論文和相關的學術研究在 2021年時就發表在了互聯網上，但是同行的研究人員對里面的研究持懷疑看法，不過神經網絡確實能夠為 科學家就觀察問題提供一個新的視角。
宇宙網絡與人腦細胞模型相似
另一方面，我們需要理解一點當下 人工神經網絡的建設，從研究的內容來看， 究竟什麼是神經網絡？
今天我們的神經網絡多了一層新的含義，也就是 人工神經網絡的計算系統， 這是一種基于生物神經網絡創建的一種學習型計算。它是基于人工神經元的連接單元或節點的集合，是對生物 大腦中的神經元進行松散的建模。
大腦結構
這些建模就像生物大腦中的突觸一樣，可以將信號傳遞給其他神經元， 人工神經元接收到信號后并對其進行處理，并于其他神經元進行信號交互。
但人工神經網絡和生物神經網絡有一點不同的是，所有神經元之間的連接都是固定好的， 它不會像生物神經那般會產生新的突觸連接。不過人工神經網絡會對每一次的計算模擬進行更新迭代，尋求到一種更為快速高效的算法， 也就是更快的神經通行路線。
神經元示意圖
人工神經網絡的自我學習中，主要是通過考慮樣本觀察來適應網絡以更好地處理任務。學習涉及調整網絡的權重（和可選閾值）以此提高結果的準確性， 在學習期間的定期評估由成本函數來完成，只要產出繼續下降，學習就會繼續。
因此神經網絡的建造很大程度上和學習方法有關， 目前的學習方法有三大范式，以此完成對應的特定學習任務。雖然人工神經網絡不會像 生物神經網絡那樣會在學習過程中產生新的突觸，但是神經網絡也是能夠進化的。
人工神經網絡：是人工智能領域興起的研究熱點
它可以使用神經進化計算創建神經網絡拓撲和權重， 最大的優點就是不太容易陷入「死胡同」。萬丘林教授的研究當中使用了隨機神經網絡，通過向網絡中引入隨機變化來構建，或者給它們隨機權重， 因為隨機波動有助于網絡擺脫局部最小值。
盡管 神經網絡有著強大的計算能力，但是當前的神經網絡需要消耗大量的硬件資源， 同時還需要大量的訓練模型來進行迭代。對于文中提到的研究而言， 其實它也是一種算法優化和模擬，仍需要現實數據進行支持。
神經網絡是一種運算模型，由大量的節點相互聯接構成
人工神經網絡展示下的宇宙模型如果是真實的，那麼我們也許是宇宙神經網絡眾多模擬訓練的一次迭代。 這樣驚人的理論發現也難怪很難獲得其他科學家的支持。
最后要特別指出的是，如果宇宙神經網絡存在，也不能證明它確實是活著的，或許它只是一種算法模型， 又或者是眾多神經網絡連接中的一個節點。
浩瀚的宇宙
限于今天的 人工網絡建設和現代物理研究的局限，人類對于宇宙的認知仍然處于未知，很難說這之間具體有什麼聯系。 神經網絡也許會讓人類陷入更深層次的思考，也許又可能成為物理學家想要完成的終極大一統理論。
