ホログラフィック・エントロピーと強化学習

図：量子エントロピーと幾何学（Geminiによる）

大栗博司さんが，twitter(x.com)で，「はじめて AI を本格的に研究に活用しました。AI の強化学習で量子重力理論のエントロピー不等式を探索し、３者では単婚制不等式を再現、６者では新たな不等式の存在を示唆しました」とかいていた。

さっそく，arxivの論文をダウンロードして，ChatGPTとGeminiとClaudeを通して解読した。その文章だが，Claudeでは結果がマークダウンファイルだった。さらに時間をかけて，自分自身でwordファイルとかjavascriptに変換していたけれど，マークダウンのままがよい。

マークダウンを整形するツールがいろいろあったはずだけれど，忘却の彼方だ。ChatGPTやGeminiに何がよいか尋ねてみたけれど，どれも今一つぱっとしない。最終的に「MarkdownをMACで簡単プレビュー！mdviewのインストールと使い方」でコマンドラインツールmdviewを導入した。mdファイルを入れると結果はsafariに表示してくれる。今回はその結果をそのまま以下に貼付けた。

Ａ（ChatGPT+Gemini+Claude⇒.md ファイルを生成）：

（前略）

講義ノート：量子エントロピーを「幾何学」で解く

この研究の核心は、「量子もつれのパターンが、時空のカタチ（幾何）を決めているのではないか？」という現代物理学の壮大な仮説（AdS/CFT対応）を、グラフ理論とAI（強化学習）で検証することにあります。

１．「量子もつれ」を数値の束（ベクトル）にする

まず、ターゲットとなる量子系を考えます。系を N 個のパーツに分けたとき、その「絡まり具合」はエンタングルメント・エントロピー $S$ という指標で測れます。

• 多重的な関係性：パーツが A,B,C とあるとき、A単独のエントロピー、AとBを合わせたエントロピー…と数え上げると、パーツが N 個なら $2^N-1$ 個の数値が出てきます。

• エントロピー・ベクトル：この大量の数値を一列に並べたものを「エントロピー・ベクトル S」と呼びます。

• 量子エントロピーコーン (QEC)：どんな量子状態でも「好き勝手な値」は取れず、特定の不等式（サブ加法性など）を守る必要があります。この「許される値の範囲」が、多次元空間の中では円錐（コーン）のような形をしています。

２．「ホログラフィック状態」という特殊な眼鏡

一般の量子状態の範囲（QEC）は広すぎて全貌がわかりません。そこで、「ホログラフィック状態」という特殊なクラスに限定します。

• RT公式（橋渡し）： ホログラフィーの世界では、「量子もつれの量（エントロピー）」は、「時空の断面の面積」に等しいとされます。

• 幾何学への翻訳：　　量子もつれ（情報の相関） ↔ 面積（幾何のつながり）

• グラフ理論への単純化：さらに、複雑な「時空の面積」の計算は、「ネットワーク（グラフ）の最小切断（min-cut）」の問題に置き換えられることが数学的に証明されています。

---

【ここが重要】 「この量子状態はホログラフィックか？」という問いは、「このエントロピー・ベクトルを再現するようなネットワーク図（グラフ）を書けるか？」というパズルのような問題に変換されるのです。

---

３．ホログラフィック・エントロピーコーン (HEC) の壁

ホログラフィックな状態だけが満たすべき範囲を HEC と呼びます。

• なぜ難しいのか: パーツ数 N が増えると、エントロピーの組み合わせが爆発し、守るべき不等式の数も数千、数万と増えていきます。

• 未知の領域: $N=5$ までは解明されましたが、$N=6$ 以上では「まだ見ぬ不等式」があるのか、それとも今の知識で十分なのか、誰も確信が持てていません。

４．強化学習 (RL) による「逆転の発想」

これまでは「数学的に不等式を証明する」というアプローチでしたが、この論文は「AIに実例（グラフ）を作らせてみる」という手法をとります。

なぜ「強化学習」なのか？

グラフの辺の重みを変えながらエントロピーを計算すると、値が階段状に「カチッ、カチッ」と不連続に変化します。

• 普通の最適化（勾配法）：地面が滑らかでないと、どちらの方向に進めば正解に近づくか（勾配）がわからず、動けなくなります。

• 強化学習：「とりあえず試行錯誤して、正解に近かったら報酬をあげる」という仕組みなので、不連続なルール（最小切断）の中でも正解のグラフを探り当てることができます。

報酬の定義：方向が合っていればOK。HECは「円錐」なので、全体のスケール（大きさ）よりも「ベクトルの向き（角度）」が重要です。そのため、報酬にはコサイン類似度（ターゲットのベクトルと、AIが作ったグラフのベクトルの角度の近さ）を使います。

５，論文の成果：N=6 の「迷宮入り」に挑む

$N=6$ において、「今の不等式は全部満たしているのに、なぜかグラフ（実例）が見つからない」という謎のベクトルが6つありました。

• AIの探索結果:

  • 3つについては、AIが複雑なグラフを見つけ出しました！ → 「今の理論（不等式）は正しかった」と判明。

  • 残りの3つは、AIがいくら頑張っても見つかりませんでした。 → 「まだ誰も知らない新しい不等式（ルール）が隠れている」という強い証拠になりました。

---

まとめ：ロジックのつながり

1. 量子もつれを数値のリスト（ベクトル）にする。

2. その数値が「時空」と関係するなら、グラフの切断コストで表現できるはず。

3. しかし、パーツが増えると計算が爆発して、どんなグラフなら可能か分からなくなる。

4. だから、強化学習を使って「この数値になるグラフを作ってみろ」とAIに投げた。

5. 結果、既存の理論の正しさと、新しい理論の必要性の両方を見つけた。

---

（後略）