우리는 관계 확률 필드의 개념을 소개합니다: 맥락에 따라 달라지는 관계 잠재력에 의해 형성되고, 붕괴 또는 흐름 메커니즘에 의해 해결되는 가능성의 이산 집합에 대한 확률 분포입니다. 우리는 양자 측정(Born 규칙을 통해), 통계역학의 볼츠만 집합, 대형 언어 모델에서의 다음 토큰 예측, 베이지안 업데이트 및 진화론적 게임 역학이 모두 이 공통의 언어로 표현될 수 있음을 보여줍니다. 각 경우에 가능성의 장, 관계 잠재력(Hamiltonian, logit, likelihood, fitness) 및 선택 규칙이 함께 실현되거나 증폭되거나 억제되는 구성 요소를 결정합니다. 이 구조적 기반을 바탕으로 우리는 다음과 같은 추측 가설을 제시합니다: 이러한 형식에서 나타나는 확률은 구성 요소와 그 맥락 간의 관계적 일관성을 측정하는 것으로 해석될 수 있으며, 붕괴는 이러한 필드에서 일관성 최적화의 한 형태로 볼 수 있습니다. 특히, 우리는 Born 확률 |⟨λᵢ|ψ⟩|²가 공동 시스템-기구 구성 요소가 힐베르트 공간 기하학의 각 고유 상태에 얼마나 강하게 투영되는지를 정량화하며, 볼츠만 가중치와 소프트맥스 점수가 에너지 및 표현 공간에서 유사한 역할을 한다고 제안합니다. 우리는 이러한 확률의 일관성 기반 해석이 확률 법칙에 대한 보다 통합된 관점을 제공하고, 시공간 역학이 관계 구조의 극값 원리에 의해 구동되는 정보 이론적 및 변분적 접근 방식과 자연스럽게 연결될 수 있음을 개 outline 합니다. 이 논문은 주로 개념적입니다. 새로운 미세 물리 이론을 제안하지 않으며, Born 규칙이나 아인슈타인의 방정식을 단일 원리에서 도출하지 않습니다. 오히려 기존 이론에서 반복적으로 나타나는 조직적 패턴을 명시하며, 확률을 관계적 일관성으로 해석하는 것이 양자 이론, 통계역학, 머신 러닝 및 중력 물리학의 접점에서 향후 작업에 유용한 틀을 제공할 수 있다고 제안합니다.
Veronika Pudsey (목요일)이 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: