曲率竟能决定AI记忆！负曲率增强记忆，正曲率可能抹除，还能创造2^N-1个子集模式
Intrinsic Associative Memory on Riemannian Manifolds: Curvature, Capacity, and Emergent Modes
📖 AI 总结
该研究将联想记忆建模为黎曼流形上的Epanechnikov核密度众数搜索，系统考察了曲率对记忆行为的影响。核心发现是：测地能量与体积校正能量在曲率作用下表现迥异——测地记忆始终保留孤立模式，而校正记忆遵循严格的Ricci曲率阈值，正曲率在高维下可抹除记忆，负曲率则强化记忆。作者推导出测地容量标度律，并揭示模式重叠能“创造”新记忆：设计好的N模式配置可实现全部2^N-1个子集模式，而随机数据在存储阈值处仅产生泊松数量的模式。研究还建立了基于黎曼均值漂移的单步精确召回机制。仿真验证了曲率相变与所有设计模式，在WordNet名词层级上体积校正提升了低容量检索性能。这项工作表明曲率是联想记忆的可设计变量，而非仅仅是数据的固有属性。
🔑 关键词速览
| 黎曼流形 | 一种具有黎曼度量的光滑流形，允许定义长度、角度和曲率等几何概念。 |
| 联想记忆 | 一种能够存储和回忆模式之间关联的神经网络模型。 |
| Epanechnikov核密度估计 | 一种使用Epanechnikov核函数进行非参数概率密度估计的方法。 |
| Ricci曲率 | 黎曼几何中描述流形体积扭曲程度的曲率张量，控制测地线的收敛或发散。 |
| 均值漂移 | 一种迭代算法，用于寻找概率密度函数的模式，常用于聚类和特征空间分析。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅