从神经网络中产生场论

我们在哈密顿系统和神经网络学习系统之间建立了等价关系。我们展示，位置和动量变量的 Hamilton 方程对应于非可训练变量和可训练变量激活动力学方程的 governing 方程。随后将这种等价性应用于使用神经网络的激活和学习动力学来建模各种场论。对于 Klein-Gordon 场，对应的权重张量是对称的；对于 Dirac 场，权重张量必须包含反对称张量因子。权重和偏置张量的动力学分量分别对应于规范场的时间和空间分量。