論文の概要: Coupling quantum-like cognition with the neuronal networks within generalized probability theory
- arxiv url: http://arxiv.org/abs/2411.00036v2
- Date: Sat, 04 Jan 2025 13:39:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:03:57.770658
- Title: Coupling quantum-like cognition with the neuronal networks within generalized probability theory
- Title（参考訳）: 一般化確率論における量子的認知と神経ネットワークの結合
- Authors: Andrei Khrennikov, Masanao Ozawa, Felix Benninger, Oded Shor,
- Abstract要約: 我々は通信ニューロンのネットワークの量子的表現を開発する。
この表現は標準量子論ではなく、一般化された確率論に基づいている。
この枠組みはてんかんやうつ病などの神経疾患の医学診断における量子的モデリングをサポートする。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The past few years have seen a surge in the application of quantum theory methodologies and quantum-like modeling in fields such as cognition, psychology, and decision-making. Despite the success of this approach in explaining various psychological phenomena such as order, conjunction, disjunction, and response replicability effects there remains a potential dissatisfaction due to its lack of clear connection to neurophysiological processes in the brain. Currently, it remains a phenomenological approach. In this paper, we develop a quantum-like representation of networks of communicating neurons. This representation is not based on standard quantum theory but on generalized probability theory (GPT), with a focus on the operational measurement framework. Specifically, we use a version of GPT that relies on ordered linear state spaces rather than the traditional complex Hilbert spaces. A network of communicating neurons is modeled as a weighted directed graph, which is encoded by its weight matrix. The state space of these weight matrices is embedded within the GPT framework, incorporating effect observables and state updates within the theory of measurement instruments a critical aspect of this model. This GPT based approach successfully reproduces key quantum-like effects, such as order, non-repeatability, and disjunction effects (commonly associated with decision interference). Moreover, this framework supports quantum-like modeling in medical diagnostics for neurological conditions such as depression and epilepsy. While this paper focuses primarily on cognition and neuronal networks, the proposed formalism and methodology can be directly applied to a wide range of biological and social networks.
- Abstract（参考訳）: ここ数年、認知、心理学、意思決定などの分野における量子理論方法論や量子ライクなモデリングの適用が急増している。
このアプローチは、順序、結合性、解離、反応の再現性といった様々な心理的現象を説明することに成功しているが、脳内の神経生理学的プロセスとの明確な関係が欠如していることから、潜在的な不満が残っている。
現在は現象学的なアプローチである。
本稿では,通信ニューロンのネットワークを量子的に表現する手法を提案する。
この表現は標準的な量子理論ではなく一般化確率理論(GPT)に基づいており、操作測定フレームワークに焦点をあてている。
具体的には、従来の複素ヒルベルト空間ではなく順序線形状態空間に依存するGPTのバージョンを用いる。
通信ニューロンのネットワークは重み付き有向グラフとしてモデル化され、重み行列によって符号化される。
これらの重み行列の状態空間はGPTフレームワークに埋め込まれており、測定器理論に効果観測可能性と状態更新が組み込まれている。
このGPTベースのアプローチは、順序、非可逆性、および解離効果(一般的には決定干渉に関連する)のような重要な量子的効果をうまく再現する。
さらに、このフレームワークはうつ病やてんかんなどの神経疾患の診断における量子的モデリングをサポートする。
本論文は認知と神経ネットワークに重点を置いているが,提案する形式主義と方法論は,幅広い生物学的・社会的ネットワークに直接適用することができる。
関連論文リスト
- Emergence of global receptive fields capturing multipartite quantum correlations [0.565473932498362]
量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。
量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。
この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
論文 参考訳（メタデータ） (2024-08-23T12:45:40Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Open systems, quantum probability and logic for quantum-like modeling in
biology, cognition, and decision making [0.0]
本研究の目的は、量子論の数学的フォーマリズムと方法論を複雑な生体系のモデル化に応用する可能性を明らかにすることである。
このようなモデルは量子様として知られており、生物現象の真の量子物理モデリングと区別されるべきである。
論文 参考訳（メタデータ） (2023-04-17T20:26:19Z) - A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。
プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。
ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文 参考訳（メタデータ） (2023-01-17T15:16:21Z) - Semi-classical gravity phenomenology under the causal-conditional
quantum measurement prescription [9.842140146649346]
光学系における因果条件処方の下で、SN理論の実験的に測定可能なシグネチャについて検討した。
量子測定は古典的な重力によって2つの異なる光学場の間の古典的な相関を導き出すことができる。
論文 参考訳（メタデータ） (2022-07-13T05:09:55Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳（メタデータ） (2022-05-10T08:05:59Z) - Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。
ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。
パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文 参考訳（メタデータ） (2022-02-25T04:57:41Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - Quantum Entropic Causal Inference [30.939150842529052]
エントロピー原理を利用して量子情報科学と因果推論を融合するための新しい理論的枠組みを提唱する。
提案したフレームワークを量子ノイズリンク上のメッセージ送信者を特定する実験的に関連するシナリオに適用する。
論文 参考訳（メタデータ） (2021-02-23T15:51:34Z) - Quantum State Discrimination on Reconfigurable Noise-Robust Quantum
Networks [6.85316573653194]
量子情報処理における根本的な問題は、システムの量子状態の集合の識別である。
本稿では、この問題を量子ウォークによって定義されるグラフによって記述されたオープン量子システム上で解決する。
ネットワークのパラメータを最適化し、正しい識別の確率を最大化する。
論文 参考訳（メタデータ） (2020-03-25T19:07:03Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。