MétaCan
Menu
Retour à la cohorte
Enregistrement W4313559906 · doi:10.3390/dynamics3010001

Non-Equilibrium ϕ4 Theory in a Hierarchy: Towards Manipulating Holograms in Quantum Brain Dynamics

2023· article· en· W4313559906 sur OpenAlexaff
Akihiro Nishiyama, Shigenori Tanaka, Jack A. Tuszyński

Notice bibliographique

RevueDynamics · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversity of Alberta
Organismes subventionnairesJapan Society for the Promotion of ScienceMinistry of Education, Culture, Sports, Science and Technology
Mots-clésHierarchyStatistical physicsQuantum field theoryComputer scienceQuantumDegrees of freedom (physics and chemistry)PhysicsClassical mechanicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We describe non-equilibrium ϕ4 theory in a hierarchical manner to develop a method for manipulating coherent fields as a toy model of introducing control into Quantum Field Theory (QFT) of the brain, which is called Quantum Brain Dynamics (QBD). We begin with the Lagrangian density of ϕ4 model, where we adopt 2-Particle-Irreducible (2PI) effective action, and derive the Klein–Gordon equation of coherent fields with a damping term as an input–output equation proposed in areas of morphological computation or reservoir computing. Our analysis is extended to QFT in a hierarchy representing multiple layers covering cortex in a brain. We find that the desired target function is achieved via time-evolution in the Klein–Gordon equations in a hierarchy of numerical simulations when a signal in both the input and output prevails over noise in the intermediate layers. Our approach will be applied to control coherent fields in the systems (in a hierarchy) described in the QFT framework, with potential applications allowing the manipulation of quantum fields, especially holograms in QBD. We could then provide realistic physical degrees of freedom of a light–matter system in the contexts of quantum cognition and the associated free-energy principle.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,284
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDynamicsMême sujetNeural dynamics and brain functionTravaux en français237 207