Nature: 精度不受熱力學(xué)第二定律限制
智源大會主題演講中，Yoshua Bengio 判斷5年內(nèi)出現(xiàn)人類水平AI；強(qiáng)化學(xué)習(xí)之父Richard Sutton則預(yù)見了AI的體驗(yàn)時代。
筆者理解Sutton說的是真實(shí)時空的具身體驗(yàn)，需要克服目前的時空模型局限?，走向?自主進(jìn)化。
時空推理的本質(zhì)挑戰(zhàn)
Nvidia的具身推理模型還缺什么?文中，筆者提到時空推理的本質(zhì)挑戰(zhàn) -- 當(dāng)前主流具身AI模型普遍存在以下缺陷：
- 缺乏內(nèi)在時間建模能力：只能根據(jù)視頻幀中的時間提示推理順序，而非具備獨(dú)立時間感知；
- 不能構(gòu)建動態(tài)世界模型：只是“當(dāng)前時刻”的切片理解，缺乏對物理世界演化規(guī)律的統(tǒng)一建模；
- 沒有神經(jīng)結(jié)構(gòu)支持的時空記憶系統(tǒng)：如類海馬體、基底節(jié)、小腦的協(xié)同作用；
- 不具備跨任務(wù)、跨領(lǐng)域遷移的因果模型：模型理解仍基于任務(wù)特定的訓(xùn)練數(shù)據(jù)，而非抽象規(guī)律。
實(shí)現(xiàn)具身自主進(jìn)化的時空體驗(yàn)的第一步，是為 AI 內(nèi)建對真實(shí)世界時間的建模能力。
愛因斯坦名言：“時間是時鐘所測量的東西”，時鐘是宏觀時間不可逆性的見證。那如何給 AI 構(gòu)建一個精準(zhǔn)的時鐘呢？
基于熵耗散的全自主量子時鐘模型
本周Nature Physics上的一篇名為“精度不受熱力學(xué)第二定律限制”的文章給出了意義非凡的答案【文獻(xiàn)1】。
物理的基本動力學(xué)方程似乎都具有時間反演不變性，即時間上對稱。然而隨著系統(tǒng)變得更加復(fù)雜，可觀察到這種對稱性被打破。
通過熱力學(xué)第二定律在統(tǒng)計意義上打破時間反演對稱性，似乎是解釋物理學(xué)中清晰的“過去與未來”概念涌現(xiàn)的唯一途徑。這是對于“時間本質(zhì)”的深刻見解。
非平衡狀態(tài)下運(yùn)行的物理裝置會受到熱漲落的影響，運(yùn)行精度受限，在微觀和量子尺度上尤為突出，緩解這一問題通常需要額外的熵耗散。
作為不可逆的非平衡系統(tǒng)，時鐘運(yùn)行以熵耗散為基本的熱力學(xué)代價。熵耗散與計時精度之間的關(guān)系正從基礎(chǔ)科學(xué)問題轉(zhuǎn)化為工程問題。
學(xué)者們提出了一個自主的量子多體時鐘模型，其時鐘精度隨熵耗散呈指數(shù)級增長，實(shí)現(xiàn)了相干量子動力學(xué)超越傳統(tǒng)的熱力學(xué)精度限制。
量子時鐘基于一個具有位置依賴的最近鄰耦合的自旋鏈，并且在耦合參數(shù)發(fā)生微小擾動以及鏈中存在損耗的情況下依舊保持穩(wěn)定。
該時鐘通過將自旋鏈拓?fù)溟]合成一個環(huán)形結(jié)構(gòu)，并在環(huán)中傳輸一個激發(fā)態(tài)來工作。通過在第一個與最后一個站點(diǎn)之間施加熱偏置，引入“手性”。
學(xué)者稱這一結(jié)構(gòu)為“環(huán)形時鐘（ring clock）”，它以完成一個完整環(huán)路的次數(shù)作為滴答（tick）的計數(shù)方式。
圖 1：環(huán)形時鐘的結(jié)構(gòu)與機(jī)制
通過對環(huán)中各站點(diǎn)之間的耦合系數(shù)進(jìn)行數(shù)值優(yōu)化，得到了精度隨熵耗散呈指數(shù)增長的規(guī)律。
實(shí)現(xiàn)這種標(biāo)度行為的關(guān)鍵在于：環(huán)主體區(qū)域內(nèi)的無耗散相干傳輸。通過增加更多的站點(diǎn)，可以在不增加耗散的前提下無限提升時鐘精度，因?yàn)楹纳H發(fā)生在將環(huán)閉合的兩個站點(diǎn)之間，并不隨環(huán)的大小而增長。
從波包重塑與邊界匹配的角度，對所獲得的耦合系數(shù)的定量解釋，表明此模型與以下研究領(lǐng)域存在緊密聯(lián)系：
最優(yōu)相干量子輸運(yùn)(optimal coherent quantum transport)、耗散量子輸運(yùn)(dissipative quantum transport)。
兩者分別從“純量子”和“開放系統(tǒng)”角度拓展了最優(yōu)輸運(yùn)，本質(zhì)上表明時間的產(chǎn)生是符合筆者這一判斷的：沿最優(yōu)輸運(yùn)方向的重整化可能是世界演化的核心方式。
圖片
引申一下，筆者認(rèn)為，熱力學(xué)熵本質(zhì)上對應(yīng)一種能量分布的隨機(jī)性的喪失。熵只是微觀粒子狀態(tài)數(shù)的衡量；而所謂能級，不過是能量變成粒子過程的不同階段而已。
能量變成粒子具有不可逆性， 并非自由無代價相互轉(zhuǎn)換，這表現(xiàn)為單向熵增， 即時間的來源，也可以說時間對應(yīng)著熵耗散，本質(zhì)上反映了?能量降速變粒子的不可逆性。
如果?大模型本質(zhì)上是自旋玻璃，通過構(gòu)建上述最近鄰耦合的環(huán)形自旋鏈，可以方便地為大模型內(nèi)建一個無比精準(zhǔn)的環(huán)形時鐘。
多尺度糾纏重整化(MERA)涌現(xiàn)出空間
沿最優(yōu)輸運(yùn)方向的重整化可能是世界演化的核心方式?文中，筆者講：道生“能量”，能量“源”“匯”分布，產(chǎn)生“空間”；“源”“匯”的相互流動產(chǎn)生“時間”。
這里蘊(yùn)含一個不平凡的思想：空間不是容器，而是結(jié)果。來自自旋、能量流動，以及量子尺度的糾纏結(jié)構(gòu)重整化，可能是空間的起源。
在經(jīng)典物理觀中，空間被視為一個先驗(yàn)存在的背景容器，物體在其中運(yùn)動和相互作用。然而在量子尺度上，這種觀點(diǎn)正受到前所未有的挑戰(zhàn)，無意中使得從具身模型內(nèi)部構(gòu)建一個空間感知器成為可能。
越來越多的理論指出，時間、空間、引力和能量并非彼此獨(dú)立的基本要素，而是共同從更深層次的量子結(jié)構(gòu)中涌現(xiàn)而出。
如果說“時間”可以通過類似上文中講的熵耗散來理解，那么，“空間”是否也可以通過類似機(jī)制從更微觀的量子過程生成出來？
筆者提出一種新的設(shè)想：空間結(jié)構(gòu)可能源于自旋構(gòu)成的能量源與匯，是能量流分布的幾何投影，是信息流動的拓?fù)浣Y(jié)果。
在量子尺度，自旋不僅僅是粒子的內(nèi)秉角動量，還決定著粒子如何與外界場相互作用，如何形成拓?fù)浣Y(jié)構(gòu)，乃至如何在網(wǎng)絡(luò)中轉(zhuǎn)移能量和信息。
自旋分布構(gòu)成了微觀世界中的“能量開關(guān)”：某些自旋組合形成能量匯聚點(diǎn)，另一些構(gòu)成能量發(fā)散源，能量流從源頭流向匯點(diǎn)，沿著“最優(yōu)輸運(yùn)”的方向傳播。
由此，自旋在量子網(wǎng)絡(luò)中構(gòu)建出了一種非平衡的、具有方向性的能流分布——這恰恰是“空間幾何的種子”。
有了這些“空間幾何的種子”，多尺度糾纏重整化（MERA：Multiscale Entanglement Renormalization Ansatz）【文獻(xiàn) 2,4,5】，隨后將主導(dǎo)空間的生成。
MERA，多尺度糾纏重整化設(shè)定是一種張量網(wǎng)絡(luò)方法，旨在高效表征量子多體系統(tǒng)的基態(tài)，特別適用于臨界系統(tǒng)。
MERA的層級結(jié)構(gòu)能夠捕捉多個尺度上的糾纏特性，使其成為研究長程關(guān)聯(lián)顯著系統(tǒng)的強(qiáng)大工具。
近年來，研究人員發(fā)現(xiàn) MERA 與 AdS/CFT（反德西特/共形場論）對偶之間存在令人著迷的聯(lián)系。
AdS/CFT 是理論物理中的一個基本思想，認(rèn)為某個更高維的反德西特（AdS）時空中的引力理論與其邊界上的共形場論存在對偶關(guān)系。
MERA 的幾何結(jié)構(gòu)與 AdS 空間的離散切片相似，因此被認(rèn)為可以作為理解全息原理和時空涌現(xiàn)的“玩具模型”。
這種對應(yīng)關(guān)系意味著，MERA 在邊界量子系統(tǒng)中捕捉的糾纏結(jié)構(gòu)，可以被解釋為編碼了一個更高維“體”空間的幾何信息。
這一觀點(diǎn)為我們提供了一個全新的思路，即時空和引力可能并不是基本存在，而是從更底層的量子糾纏結(jié)構(gòu)中涌現(xiàn)出來的。
筆者講的“自旋模型構(gòu)成能量的源和匯，從而產(chǎn)生引力和空間關(guān)系”的觀點(diǎn)，與MERA思想高度契合。
如果我們認(rèn)為局域的自旋結(jié)構(gòu)會影響能量與信息的流動，那么這些自旋之間的集體現(xiàn)象可能形成某種涌現(xiàn)的幾何結(jié)構(gòu)。
換句話說，自旋之間的糾纏與相互作用不僅定義了系統(tǒng)的量子態(tài)，也可能共同塑造它們所“在”的空間結(jié)構(gòu)。
這種思路也契合了現(xiàn)代物理的一個廣泛主題：即時空和引力可能不是基本的存在，而是源自底層量子過程的涌現(xiàn)現(xiàn)象。
全息原理提出，一個D+1維的時空可能是由一個不含引力的D維時空中的自由度涌現(xiàn)出來的。
從0維能量 ，到一維源與匯，二維源與匯的糾纏，三維再到無窮維。因果錐在糾纏重整化中延展。
多尺度糾纏重整化擬設(shè)（MERA）M繼承了量子電路C的因果結(jié)構(gòu)：位點(diǎn)s的因果錐C[s]具有有限寬度。當(dāng)時間方向θ反轉(zhuǎn)時，M實(shí)現(xiàn)糾纏重整化變換。【文獻(xiàn) 2】
“空間不是背景，而是流動的結(jié)果”，它像風(fēng)吹起的漣漪，像電流穿過電路那樣，是量子尺度能量流動與拓?fù)浣Y(jié)構(gòu)共同作用下的自然產(chǎn)物。
如果我們將神經(jīng)系統(tǒng)看作一種類似MERA的“生物張量網(wǎng)絡(luò)”：
- 海馬體提供多尺度時間-空間坐標(biāo)系，對應(yīng) MERA 中的抽象層結(jié)構(gòu)；
- 小腦通過對輸入信號進(jìn)行精細(xì)預(yù)測與壓縮，類似于 MERA 中局部解糾纏的步驟；
- 基底節(jié)控制哪些信息被傳遞到更高層，相當(dāng)于重整化過程中是否保留自由度的決策機(jī)制。
進(jìn)一步，假定每個神經(jīng)元的群體活動構(gòu)成一個“自旋態(tài)”，這些活動之間的同步（即神經(jīng)耦合）就構(gòu)成一種糾纏結(jié)構(gòu)。
意識的空間感，可能就是這些“自旋源與匯”在多尺度上重整化后的涌現(xiàn)的幾何景觀。筆者這里有一個大膽的設(shè)想：
大腦通過海馬-小腦-基底節(jié)等結(jié)構(gòu)的協(xié)同，實(shí)現(xiàn)了類似 MERA 的“神經(jīng)重整化網(wǎng)絡(luò)”，它在不同尺度上整合感知，壓縮冗余，保留關(guān)鍵模式，最終構(gòu)成我們對時間、空間、甚至自我意識的整體體驗(yàn)。
我們完全可以給具身模型構(gòu)建一個基于MERA的空間感知器。
有了環(huán)形時鐘和空間感知器，具身自主進(jìn)化可謂萬事具備，只欠東風(fēng)。這里的東風(fēng)，是能夠解決NP-hard問題的，超越馮·諾依曼架構(gòu)的物理Ising機(jī)。
超越馮·諾依曼架構(gòu)的高維自旋Ising機(jī)
Ising機(jī)，由能夠模擬鐵磁自旋行為的耗散耦合節(jié)點(diǎn)組成，可以構(gòu)建一種模擬計算引擎，其性能超越馮·諾依曼架構(gòu)的串行處理限制。
Ising 機(jī) - Nature 灌水機(jī)?中筆者講 Ising 模型具有根本的計算意義，因?yàn)镹P復(fù)雜度類型中的任何問題都可以表述為僅具有多項(xiàng)式開銷的 Ising 問題。
基于Ising 模型構(gòu)建的可擴(kuò)展 Ising 機(jī)，能夠升維解決 NP-hard 的優(yōu)化問題，有巨大應(yīng)用潛力，ising模型跑在 Ising 機(jī)上才是未來智能計算的理想模式。
在應(yīng)對人工智能與大規(guī)模優(yōu)化問題的復(fù)雜性方面，傳統(tǒng)馮·諾依曼架構(gòu)所固有的局限性日益凸顯：每獲得一點(diǎn)性能提升都需要付出不斷增長的成本。
Ising 機(jī)則是利用物理系統(tǒng)中關(guān)于熵、能量與耗散的最小化原理，結(jié)合量子疊加與糾纏等現(xiàn)象，激發(fā)物理系統(tǒng)中蘊(yùn)藏的固有計算潛力，以解決那些傳統(tǒng)方法難以應(yīng)對的復(fù)雜優(yōu)化難題。
這一創(chuàng)新路徑的核心在于，模擬（analog）、基于物理機(jī)制的算法與硬件的融合，即將復(fù)雜的優(yōu)化問題映射為通用的自旋哈密頓量問題。
這種轉(zhuǎn)換過程涉及將問題的結(jié)構(gòu)嵌入到自旋哈密頓量的耦合強(qiáng)度中，并以其基態(tài)（最低能量態(tài)）作為目標(biāo)解，由物理系統(tǒng)自動去“搜索”這個解。
該映射過程的效率與準(zhǔn)確性至關(guān)重要，決定了計算的可擴(kuò)展性，從而使得在問題復(fù)雜度增加的同時，依然保持可解性。
在此背景下，增益計算（GBC：Gain-Based Computing）作為一種突破性的計算平臺應(yīng)運(yùn)而生，區(qū)別于傳統(tǒng)的門控計算、量子退火或經(jīng)典退火方法。
GBC 是一種利用具有內(nèi)在增益機(jī)制的物理系統(tǒng)的放大特性來控制能量景觀的計算范式。
其原理在于：在演化初期，通過適度減弱系統(tǒng)動力學(xué)中對應(yīng)自旋哈密頓量的作用，從而使能量景觀變得“更平坦”，有利于對目標(biāo)函數(shù)空間進(jìn)行廣泛探索。
通過調(diào)節(jié)增益強(qiáng)度與自旋相互作用，GBC 系統(tǒng)能夠呈現(xiàn)出涌現(xiàn)現(xiàn)象，即系統(tǒng)整體動力學(xué)引發(fā)的復(fù)雜行為。這種機(jī)制支持多通道并行處理，具有強(qiáng)非線性和高能效等優(yōu)勢。
GBC 的運(yùn)行原理通常包括：
- 逐步增強(qiáng)泵浦功率（即退火過程），
- 隨后發(fā)生對稱性破缺，
- 并最終通過梯度下降，系統(tǒng)自然地趨于一個最小化能量損耗的狀態(tài)。這一過程依賴于系統(tǒng)內(nèi)部的相干性與同步機(jī)制。
基于物理機(jī)制、采用增益計算（GBC）原理的硬件平臺，近年來取得了諸多進(jìn)展，展現(xiàn)出多樣化的技術(shù)路徑。諸如：基于光學(xué)參量振蕩器的相干 Ising 計算機(jī)（CIM），憶阻器等等。
Ising 哈密頓量起源于統(tǒng)計物理學(xué)，描述了晶格中自旋之間的相互作用，為理解復(fù)雜系統(tǒng)提供了基本模型，其數(shù)學(xué)形式如下：
盡管這種方式增強(qiáng)了系統(tǒng)在復(fù)雜問題上的求解能力，但在某些情況下，系統(tǒng)也可能會陷入局部極小值軌道，尤其是在增益增大導(dǎo)致能壘升高的階段。
這種現(xiàn)象構(gòu)成了軟自旋 Ising 求解過程中的一個核心挑戰(zhàn)。
因此，在系統(tǒng)振幅發(fā)生分岔的過程中，如何避開局部極小值陷阱、順利穿越復(fù)雜的能量景觀，成為物理計算中的一項(xiàng)關(guān)鍵挑戰(zhàn)。
為應(yīng)對這一問題，Nature 近期一篇來自劍橋大學(xué)的論文【文獻(xiàn) 3】提出了一種創(chuàng)新方法——向量 Ising 自旋退火器（Vector Ising Spin Annealer, VISA）。
VISA 結(jié)合了多維自旋系統(tǒng)的優(yōu)勢與軟自旋增益驅(qū)動演化機(jī)制。與傳統(tǒng)的單維半經(jīng)典自旋模型不同，VISA 利用三個軟模來表示一個 Ising 自旋的向量分量，使系統(tǒng)可以在三維空間中演化。
這種結(jié)構(gòu)為復(fù)雜優(yōu)化問題中基態(tài)（最低能量態(tài)）的準(zhǔn)確求解提供了更強(qiáng)大的框架和更高的魯棒性。
具體而言，VISA哈密頓量由三個部分組成：為了構(gòu)建一個能夠體現(xiàn)增益驅(qū)動計算（GBC）動態(tài)過程的 Hamiltonian，引入三個主要項(xiàng)：
VISA 哈密頓量可表示為三部分之和：H_VISA = H? + H? + H?。
通過這種設(shè)計，VISA能夠在退火過程中有效地引導(dǎo)系統(tǒng)穿越能量障礙，避免陷入局部最小值。
通過在下述不同圖結(jié)構(gòu)上最小化 Ising 哈密頓量，驗(yàn)證了 VISA 的有效性，所涉及的圖結(jié)構(gòu)包括：
可解析的3-正則循環(huán)圖，更復(fù)雜的循環(huán)圖，以及隨機(jī)圖，其中 Ising 哈密頓量的最小化已知是 NP-困難（NP-hard）問題。
論文對比研究顯示，VISA在找到伊辛哈密頓量的基態(tài)方面優(yōu)于傳統(tǒng)的標(biāo)量自旋優(yōu)化器，如Hopfield-Tank網(wǎng)絡(luò)、相干伊辛機(jī)和自旋矢量Langevin模型。
VISA 能夠跨越高能壘、有效地穿越復(fù)雜能量景觀，展現(xiàn)出優(yōu)越的求解能力。
VISA 通過對能量景觀的退火、對稱性破缺、分岔、梯度下降與模式選擇等機(jī)制，將系統(tǒng)驅(qū)動至 Ising 哈密頓量的全局最小值。
其軟自旋表示為三維空間中的連續(xù)向量 xi?=?(x??, x??, x??)，這些向量可以在三維空間中自由運(yùn)動，因而可通過耦合光學(xué)振蕩器網(wǎng)絡(luò)的振幅進(jìn)行物理實(shí)現(xiàn)。
將Ising 模型與高維軟自旋系統(tǒng)結(jié)合，借助物理退火和動態(tài)演化機(jī)制，可以構(gòu)建一類能更高效解決復(fù)雜組合優(yōu)化問題的物理模擬器，理想地運(yùn)行基于自旋的 AI 模型。
總結(jié)與展望
智源大會主旨演講一開始， Richard Sutton引用了這句話，“intelligence is the most powerful phenomenon in the universe”。筆者看來，intelligence 背后的生成機(jī)制才是 the most powerful phenomenon in the universe。
我們?yōu)?AI 模型內(nèi)置了一個環(huán)形 Ising 時鐘，一個空間感知 Ising 機(jī)，構(gòu)建了一個高維 Ising 自旋物理處理器。
至此，基于自旋糾纏重整化的智能“大腦”就造好了。這是 intelligence 的物質(zhì)基礎(chǔ)。
剩下的就交給?突破信息繭房，邁向自主進(jìn)化。畢竟 “進(jìn)化，是自然界最偉大的算法”，而神經(jīng)進(jìn)化正是AI邁向更高智能的關(guān)鍵。
最后，筆者感觸：我們?nèi)蕴幵诶斫膺@個“涌現(xiàn)的時空”邊界上，而自旋，可能正是我們破解這扇門的鑰匙。
文獻(xiàn) 1，Precision is not limited by the second law of thermodynamics，https://www.nature.com/articles/s41567-025-02929-2
文獻(xiàn) 2，A class of quantum many-body states that can be efficiently simulated，https://arxiv.org/abs/quant-ph/0610099
文獻(xiàn) 3，Vector Ising spin annealer for minimizing Ising Hamiltonians，https://www.nature.com/articles/s42005-025-02145-7
文獻(xiàn) 4，Consistency Conditions for an AdS/MERA Correspondence，https://arxiv.org/pdf/1504.06632
文獻(xiàn) 5，Multi-scale entanglement renormalization ansatz (MERA)，https://benasque.org/2015gravity/talks_contr/211_VidalBenasque2015.pdf
