💻 ciência da computação

Frequency Range of Fourier Phase Space as a Candidate Code for Musical Pitch Structure: Evidence from Artificial Neural Network Models of Iranian Classical Music

Este estudo demonstra que redes neurais artificiais treinadas na estrutura de altura microtonal da música clássica iraniana desenvolvem espontaneamente representações de unidades ocultas dominadas por espaços de fase de Fourier, confirmando que esta faixa de frequência serve como um código candidato universal para a estrutura de altura musical além dos sistemas tonais ocidentais.

Autores originais: Yousef Aftabi, Hamid Farvaresh

Publicado 2026-11-12

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yousef Aftabi, Hamid Farvaresh

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A música é um traço humano universal, encontrado em todas as sociedades conhecidas, mas a forma como o nosso cérebro codifica os blocos de construção da melodia continua sendo um dos grandes mistérios da ciência cognitiva. Sabemos que o cérebro processa o som através de redes complexas de neurônios, mas não sabemos a linguagem específica que esses neurônios usam para representar uma nota musical ou um acorde. Será que o cérebro armazena a música como uma lista simples de notas ou utiliza um código matemático mais abstrato? Durante décadas, pesquisadores suspeitaram que o cérebro poderia organizar o tom usando um sistema baseado na frequência, de forma semelhante a como um prisma separa a luz em um arco-íris de cores. Essa ideia, enraizada na matemática da transformada de Fourier, sugere que o cérebro decompõe as estruturas musicais em seus componentes de onda subjacentes. Até agora, essa teoria foi testada quase exclusivamente usando a música ocidental, com sua escala familiar de doze notas. Mas, se este código baseado em frequência for uma parte fundamental da cognição musical humana, ele deve aparecer em qualquer sistema musical, mesmo naqueles com regras e estruturas completamente diferentes.

Para testar isso, pesquisadores da Universidade de Kurdistan voltaram-se para a música clássica iraniana, uma tradição que opera em uma grade de tons muito mais fina do que a música ocidental. Enquanto a música ocidental divide uma oitava em doze passos iguais, a música clássica iraniana reconhece dezessete classes de tons distintas dentro do mesmo espaço, incluindo mudanças sutis de quarto de tom que não possuem equivalente direto na escala ocidental padrão. A equipe construiu redes neurais artificiais — programas de computador projetados para imitar o processo de aprendizagem do cérebro humano — e as treinou para resolver problemas musicais específicos usando este sistema iraniano. Eles pediram às redes que identificassem intervalos musicais e estruturas de acordes de quatro notas específicas, conhecidas como Dangs, analisando puramente as relações entre as notas. Crucialmente, as redes nunca foram instruídas a usar quaisquer fórmulas matemáticas ou análise de frequência; elas simplesmente receberam a tarefa de aprender a categorizar a música e foram deixadas para descobrir a melhor maneira de fazê-lo por conta própria.

Os resultados foram impressionantes. À medida que as redes aprendiam a resolver essas tarefas de classificação, suas conexões internas se organizavam espontaneamente em padrões que correspondiam perfeitamente à estrutura matemática do espaço de fase de Fourier. Isso significa que, sem qualquer instrução, o modelo de computador descobriu que a maneira mais eficiente de representar essas complexas relações musicais era mapeá-las em um conjunto de ondas baseadas em frequência. Essa descoberta confirma que o código baseado em frequência não é apenas uma peculiaridade da teoria musical ocidental, mas uma solução geral que sistemas de aprendizagem podem descobrir ao serem confrontados com a estrutura musical. No entanto, o estudo também revelou uma diferença fascinante entre os dois mundos musicais. Como o sistema iraniano utiliza uma grade de tons mais fina, as redes treinadas nele recrutaram uma gama muito mais ampla de frequências para realizar seu trabalho. Enquanto as redes treinadas na música ocidental utilizaram uma gama de seis bandas de frequência distintas, as redes treinadas na música iraniana utilizaram as doze bandas completas permitidas por sua grade de tons mais detalhada.

Essa diferença não é meramente uma questão de escala; ela aponta para um princípio mais profundo sobre como as culturas musicais podem ser codificadas. Os pesquisadores descobriram que cerca de trinta e um por cento das unidades nas redes iranianas estavam usando bandas de alta frequência que simplesmente não podem existir no sistema de doze tons ocidental. Essas unidades estavam capturando nuances da música que o sistema ocidental é matematicamente incapaz de representar. O estudo excluiu rigorosamente a possibilidade de que isso fosse um truque da configuração do computador ou um resultado de como os dados foram inseridos no sistema. Quando os pesquisadores embaralharam os rótulos musicais ou randomizaram a ordem de entrada, o padrão desapareceu, provando que as redes só desenvolveram esse código específico porque era a solução mais eficaz para a tarefa musical em questão.

As implicações deste trabalho estendem-se além da ciência da computação. Sugere que, embora o código fundamental para representar a música possa ser compartilhado entre as culturas humanas — um sistema baseado em frequência para o qual o cérebro naturalmente gravita —, a faixa específica de frequências utilizada pode variar dependendo da tradição musical. Assim como uma língua usa os mesmos sons básicos, mas os organiza de forma diferente para criar palavras distintas, diferentes culturas musicais podem estar usando diferentes fatias do mesmo espectro de frequência universal para capturar suas identidades sonoras únicas. O estudo não afirma ter resolvido o mistério da cognição musical humana, nem prova que os cérebros humanos funcionam exatamente como esses modelos de computador. Em vez disso, oferece uma hipótese precisa e testável: que a diversidade das tradições musicais do mundo pode ser explicada pela forma como diferentes culturas utilizam diferentes faixas de um código de frequência compartilhado e subjacente. Ao mostrar que esse código emerge naturalmente em um sistema tão distinto quanto a música clássica iraniana, a pesquisa fornece uma nova lente através da qual visualizar o universal e o único na experiência musical humana.

Resumo Técnico: Faixa de Frequência do Espaço de Fase de Fourier como um Candidato a Código para a Estrutura do Pitch Musical

Definição do Problema
A questão central abordada é como a estrutura do pitch musical é representada em diferentes culturas. Embora pesquisas anteriores utilizando Redes Neurais Artificiais (RNAs) tenham demonstrado que redes treinadas em problemas de classificação tonal ocidental desenvolvem espontaneamente pesos de conexão correlacionados com espaços de fase de Fourier discretos do sistema de 12 tons, permanece incerto se este formato representacional se generaliza para sistemas musicais estruturalmente distintos. Especificamente, desconhece-se se o código de espaço de fase de Fourier é um candidato código universal para a cognição musical ou apenas um artefato da estrutura ocidental de temperamento igual de 12 tons (12-TET). O estudo testa isso examinando a música clássica iraniana, um sistema microtonal de 17 classes de pitch por oitava baseado em uma grade de 24 tons, que não é um subconjunto nem uma transposição da escala cromática ocidental.

Metodologia
O estudo empregou uma abordagem de modelagem computacional comparativa utilizando redes de unidades de valor Gaussiano treinadas em tarefas de classificação derivadas das teorias musicais iraniana e ocidental.

Estímulos e Tarefas:
- Sistema Iraniano: Definido sobre uma grade de 24 tons (passos de 50 cents) contendo 17 classes de pitch ativas. O estudo definiu nove tarefas de classificação: duas baseadas em intervalos melódicos (153 pares não ordenados de classes de pitch) e sete baseadas em Dangs (segmentos de escala tetracordais). As tarefas variavam na forma como combinações dissonantes eram tratadas (colapsadas ou excluídas).
- Sistema Ocidental: Construído utilizando um conjunto de regras idêntico, mas substituindo as 12 classes de pitch do 12-TET. Isso resultou em duas tarefas de intervalo (78 pares não ordenados). Nenhuma tarefa de Dang foi criada para o sistema ocidental devido à falta de um contrapartida teórica direta.
Arquitetura da Rede:
- As redes utilizaram funções de ativação Gaussianas ("unidades de valor").
- Camadas de entrada consistiam em vetores binários representando a presença (1) ou ausência (0) de classes de pitch específicas (17 dimensões para o iraniano, 12 para o ocidental).
- As camadas ocultas foram dimensionadas para serem "mínimo-suficientes" (7 unidades para tarefas de intervalo; 4–12 unidades para tarefas de Dang).
- Vinte e cinco redes foram treinadas por tarefa usando a regra delta generalizada até que a classificação perfeita fosse alcançada.
Construção do Espaço de Fase de Fourier:
- Os espaços de fase foram definidos sobre as respectivas grades de classes de pitch. Para a grade iraniana de 24 tons, isso resultou em 12 espaços de fase distintos (frequências $k=1$ a $12$). Para a grade de 12 tons ocidental, 6 espaços ( $k=1$ a $6$).
- Cada espaço de fase $k$ corresponde ao span de $\{\cos(2\pi k g_n/G), \sin(2\pi k g_n/G)\}$ , onde $g_n$ são os índices da grade e $G$ é o tamanho da grade.
Análise e Controles:
- Análise de Ajuste (Fit): Os pesos de conexão das unidades ocultas foram regredidos contra cada espaço de fase. O espaço de fase de melhor ajuste foi identificado via coeficiente de correlação múltipla ( $R_k$ ).
- Controles Estatísticos: A significância foi avaliada usando um nulo de permutação (randomizando os pesos) com controle de taxa de falsa descoberta (FDR) de Benjamini–Hochberg. Baselines não-Fourier incluíram rampas de altura de pitch e tetos de baixa frequência aleatórios.
- Controles Impulsionados pela Tarefa:
  - Permutação de Rótulos: As redes foram treinadas em rótulos de saída permutados aleatoriamente para testar se a estrutura de Fourier persiste sem a estrutura da tarefa.
  - Permutação de Coordenadas de Entrada: O mapeamento das classes de pitch para as unidades de entrada foi embaralhado antes do treinamento para testar se a estrutura dependia da adjacência de entrada ou da identidade do pitch.
- Comparação Pareada por Tarefa: Para isolar o efeito da cardinalidade da grade do tipo de tarefa, uma comparação específica foi restrita às tarefas de intervalo, que foram definidas identicamente em ambos os sistemas.

Principais Resultados

Dominância de Espaços de Fase Únicos: Em todas as tarefas e sistemas, as unidades ocultas foram consistentemente dominadas por um único espaço de fase de Fourier. Essa dominância excedeu os níveis de chance (controlada por FDR) e superou os baselines não-Fourier. O índice de concentração espectral confirmou que as unidades não estavam divididas entre múltiplas frequências, mas focadas em uma única frequência dominante.
Recrutamento da Faixa de Frequência:
- Redes Ocidentais: Recrutaram toda a faixa do limite de Nyquist de sua grade (frequências 1–6).
- Redes Iranianas: Recrutaram toda a faixa do limite de Nyquist de sua grade (frequências 1–12).
A Distinção de Alta Frequência:
- A frequência de Nyquist ( $k=12$ ) na grade de 24 tons é matematicamente idêntica a uma partição binária entre pitches cromáticos e microtonais (Koron/Sori). Consequentemente, unidades que se ajustam a esta frequência podem atuar como simples detectores de características em vez de códigos periódicos.
- Exclusão de $k=12$ : Na banda de frequências 7–11 (que uma grade de 12 tons não pode representar), 31% das unidades iranianas significativas (86 de 279 na comparação de intervalo pareada por tarefa) encontraram seu melhor ajuste. Em contraste, 0% das unidades ocidentais ocuparam esta banda.
- Essa diferença persistiu mesmo ao controlar o tipo de tarefa (comparando apenas as tarefas de intervalo) e não foi impulsionada pelas tarefas de Dang.
Natureza Impulsionada pela Tarefa:
- Quando as redes foram treinadas com rótulos aleatórios, os ajustes de Fourier colapsaram para níveis de chance, confirmando que a estrutura é impulsionada pela tarefa musical, não pelo código de entrada ou flexibilidade do modelo.
- Embaralhar as coordenadas de entrada não degradou os ajustes, indicando que a estrutura depende da identidade da classe de pitch e da estrutura da tarefa, não do arranjo espacial das unidades de entrada.

Significância e Alegações
O artigo afirma estender o achado de que os espaços de fase de Fourier são um formato representacional descoberto espontaneamente em RNAs da música tonal ocidental para um sistema microtonal estruturalmente distinto. A principal contribuição é a demonstração de que as redes treinadas na música clássica iraniana recrutam espaços de fase de frequências mais altas (7–11) que são matematicamente inacessíveis para redes treinadas no 12-TET.

Os autores propõem uma hipótese modesta e falseável: as culturas musicais podem não possuir códigos representacionais qualitativamente diferentes, mas sim compartilhar um único código baseado em Fourier, onde a faixa de frequência efetiva é determinada pela cardinalidade e pela estrutura da grade de classes de pitch subjacente. O estudo sugere que, embora o formato (espaço de fase de Fourier) possa ser universal, o alcance das frequências utilizadas é cultura-específico e limitado pelo limite de Nyquist da grade.

Limitações Reconhecidas pelos Autores

Teórico vs. Performance: O modelo baseia-se no temperamento modificado de Vaziri (um sistema 24-TET teórico) em vez da entonação flexível e dependente de contexto da prática performática persa real.
Ambiguidade de Nyquist: A exclusão da frequência $k=12$ é necessária porque ela degenera em um detector binário de cromatismo/microtonalidade nesta grade específica, tornando impossível distingui-la de uma simples detecção de característica.
Escopo de Generalidade: O estudo utiliza apenas dois sistemas musicais. Os autores observam que as tradições árabe e turca não são independentes o suficiente (compartilhando raízes históricas) para servir como um teste definitivo de generalidade transcultural. Eles sugerem sistemas indiano e chinês como candidatos futuros, mas notam a dificuldade de definir suas grades de pitch quantitativamente sem impor frameworks externos.
Arquitetura: Os resultados baseiam-se em redes pequenas de mínimo-suficiência. Embora robustos através de diferentes tamanhos de camada, os autores não afirmam que arquiteturas maiores ou diferentes (como deep learning) necessariamente convergiriam para o mesmo código, embora citem evidências convergentes de autoencoders variacionais.

O artigo conclui que o espaço de fase de Fourier é um candidato a código para a cognição musical além da tonalidade ocidental, com a faixa de frequência específica recrutada servindo como um marcador potencial das propriedades estruturais do sistema de classes de pitch subjacente.

Mais como este