.
A vida, do ponto de vista da termodinâmica, é um sistema fora do equilíbrio, resistindo às tendências de aumentar seus níveis de desordem. Em tal estado, a dinâmica é irreversível ao longo do tempo. Essa ligação entre a tendência à desordem e a irreversibilidade é expressa como a seta do tempo pelo físico inglês Arthur Eddington em 1927.
Agora, uma equipe internacional, incluindo pesquisadores da Universidade de Kyoto, da Universidade de Hokkaido e do Centro Basco de Matemática Aplicada, desenvolveu uma solução para assimetria temporal, ampliando nossa compreensão do comportamento de sistemas biológicos, aprendizado de máquina e ferramentas de IA.
“O estudo oferece, pela primeira vez, uma solução matemática exata da assimetria temporal – também conhecida como produção de entropia – de redes Ising desordenadas de não equilíbrio”, diz o coautor Miguel Aguilera, do Centro Basco de Matemática Aplicada.
Os pesquisadores se concentraram em um protótipo de redes complexas de larga escala chamado modelo de Ising, uma ferramenta usada para estudar neurônios conectados recorrentemente. Quando as conexões entre os neurônios são simétricas, o modelo de Ising está em estado de equilíbrio e apresenta complexos estados desordenados chamados de vidros de spin. A solução matemática deste estado levou à atribuição do Prémio Nobel da Física de 2021 a Giorgio Parisi.
Ao contrário dos sistemas vivos, no entanto, os cristais de spin estão em equilíbrio e sua dinâmica é reversível no tempo. Em vez disso, os pesquisadores trabalharam na dinâmica de Ising irreversível no tempo causada por conexões assimétricas entre os neurônios.
As soluções exatas obtidas servem como referência para o desenvolvimento de métodos aproximados de aprendizado de redes neurais artificiais. O desenvolvimento de métodos de aprendizado usados em várias fases pode avançar nos estudos de aprendizado de máquina.
“O modelo Ising sustenta avanços recentes em aprendizado profundo e redes neurais artificiais generativas. Portanto, entender seu comportamento oferece insights críticos sobre inteligência biológica e artificial em geral”, acrescentou Hideaki Shimazaki na Escola de Informática de KyotoU.
“Nossas descobertas são o resultado de uma empolgante colaboração envolvendo insights da física, neurociência e modelagem matemática”, comentou Aguilera. “A abordagem multidisciplinar abriu as portas para novas formas de entender a organização de redes complexas em grande escala e talvez decifrar a seta termodinâmica do tempo.”
.
