Metriplector: Neuronale Architektur, die physikalische Felder nutzt

Mit dem neuen Konzept Metriplector wird die Dynamik abstrakter physikalischer Systeme zum Rechenmechanismus einer neuronalen Architektur. Eingabeparameter konfigurieren Felder, Quellen und Operatoren, während gekoppelte metripletische Dynamik die eigentliche Berechnung steuert. Der daraus resultierende Stress‑Energie‑Tensor liefert das Ausgabe‑Signal, wobei die Formulierung sowohl eine reine dissipative Variante als auch die volle antisymmetrische Poisson‑Klammer umfasst.

Die vereinfachte dissipative Variante löst exakt ein gescreenes Poisson‑Gleichungssystem mittels konjugierter Gradienten, während die vollständige Struktur dynamische Feldmodelle für Aufgaben wie Bildklassifikation und Sprachverarbeitung ermöglicht. In vier Testdomänen zeigte Metriplector beeindruckende Leistungen: ein F1‑Score von 1,0 bei Maze‑Pathfinding (von 15×15 auf 39×39 erweitert), 97,2 % exakte Sudoku‑Lösungen ohne strukturelle Eingriffe, 81,03 % Genauigkeit auf CIFAR‑100 mit lediglich 2,26 M Parametern und ein Sprachmodell‑Durchsatz von 1,182 Bits/Byte bei 3,6‑fach weniger Trainings‑Tokens als ein GPT‑Baseline‑Modell.