本論文は人工知能(AI)と理論物理学との接続性を扱う。特に、重力が2つのローレンツ時空間の幾何学的量子相対エントロピー(GQRE)から誘導されるエントロピーからの重力(GfE)アプローチに焦点を当てる。論文は、画像処理に使用される有名なPerona-Malikアルゴリズムが単純なGfEアクションの傾きの流れであることを示しています。具体的には、このアルゴリズムは、画像のサポートと画像によって導出された2つのユークリッドメトリックとの間のGQRE最小化の結果です。 Perona-Malikアルゴリズムは鋭い輪郭を保存することが知られており、これはGfEアクションが勾配流動力学の反復で通常予想されるように均一な画像につながらないことを意味します。むしろ、GQRE最小化の結果は複雑な構造の保存と互換性があります。これらの結果は、Perona-Malikアルゴリズムの幾何学的および情報理論的基礎を提供し、GfE、機械学習、および脳研究間のより深い接続の構築に貢献することができます。