[论文解读] What is a space? Computations in emergent algebras and the front end visual system

Marius Buliga|arXiv (Cornell University)|Sep 25, 2010

Quantum Mechanics and Applications参考文献 17被引用 4

一句话总结

本文提出，大脑前端视觉系统执行的计算类似于涌现代数中的运算——一种由膨胀和自相似性构建的代数结构——从而从非几何的、强度性的属性中构建出几何空间。其关键贡献在于表明，膨胀结构（generalize metric and differential geometry）可建模大脑对空间感知的局部性、并行性与普遍性处理。

ABSTRACT

With the help of link diagrams with decorated crossings, I explain computations in emergent algebras, introduced in arXiv:0907.1520, as the kind of computations done in the front end visual system.

研究动机与目标

• 理解物理空间如何从大脑前端视觉系统中非几何的、强度性的神经计算中涌现。
• 形式化大脑作为通用前端的观念，即在无语义的情况下，从局部不变输入重构空间结构。
• 建立一个数学框架——膨胀结构与涌现代数——以捕捉大脑的几何计算。
• 将大脑的柱状与超柱状组织与纤维丛的数学实现联系起来，从而体现微分几何。
• 表明大脑的处理过程同构于一个均匀幂等右拟群（涌现代数）中的计算，几何从代数运算中涌现。

提出的方法

• 使用带装饰的链接图与类似拟群的结构来表示涌现代数中的计算，将神经处理建模为代数变换。
• 应用膨胀结构的概念：三元组 (X, d, δ)，其中 δ 是作用于度量空间 X 上的一族膨胀，满足一致性和收敛性公理。
• 基于点 x 定义膨胀为 δˣ_ε(u) = x * δ_ε(x⁻¹u)，将类似群的运算嵌入几何空间。
• 引入带有膨胀的赋范群作为膨胀结构的实例，其中范数诱导出左不变距离。
• 应用 Gromov-Hausdorff 收敛，表明缩放后的度量空间 (δˣ_ε d) 收敛于一个度量锥 dˣ，代表点 x 处的切空间。
• 使用极限 lim_{ε→μ} (1/|ε|) d(δˣ_ε u, δˣ_ε v) = dˣ(u,v) 定义无穷小几何，确保与微分结构相容。

实验结果

研究问题

• RQ1 大脑前端视觉系统如何在无语义解释或全局几何的前提下执行空间计算？
• RQ2 支撑大脑从局部、强度性神经信号重构物理空间能力的数学结构是什么？
• RQ3 能否使用膨胀结构形式化地描述从非几何代数运算中涌现微分几何时？
• RQ4 视觉皮层中的局部并行计算如何对应于涌现代数的代数性质？
• RQ5 一致性和收敛性在微观神经信号向宏观空间感知过渡中起什么作用？

主要发现

• 前端视觉系统作为通用的、确定性的、句法的变换器，从强度性局部输入中构建空间结构，且不依赖语义。
• 膨胀结构提供了一个正式框架，其中几何从度量空间上的代数运算（膨胀）中涌现，满足一致收敛与相容性公理。
• 缩放度量 (δˣ_ε d) 的极限在 Gromov-Hausdorff 意义下收敛于一个度量锥 dˣ，捕捉了点 x 处的无穷小几何。
• 在带有膨胀的赋范群中，诱导距离 d(x,y) = ||x⁻¹y|| 满足膨胀结构的公理，证明此类群是膨胀空间的自然模型。
• 每一点 x 处的切空间同构于一个度量锥，满足 dˣ(δˣ_λ u, δˣ_λ v) = |λ| dˣ(u,v)，表明其具有自相似性与锥形结构。
• 该构造确保由 dˣ 诱导的一致性与 d 一致，从而保证切空间的拓扑一致性与唯一性。