論文の概要: Quantum-like representation of neuronal networks' activity: modeling "mental entanglement"

• arxiv url: http://arxiv.org/abs/2509.16253v1
• Date: Wed, 17 Sep 2025 19:10:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.701792
• Title: Quantum-like representation of neuronal networks' activity: modeling "mental entanglement"
• Title（参考訳）: 神経ネットワーク活動の量子的表現--「心的絡み合い」のモデル化
• Authors: Andrei Khrennikov, Makiko Yamada,
• Abstract要約: 量子ライクなモデリング(QLM)は、生物学、認知、心理学、意思決定に応用して、集中的に開発されている。 PCSFTは、神経ネットワークの古典的な振動認知から意思決定のためのQLMへの移行に使用される。 本研究では,古典的ネットワークによる絡み合い生成のためのQLMについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum-like modeling (QLM) - quantum theory applications outside of physics - are intensively developed with applications in biology, cognition, psychology, and decision-making. For cognition, QLM should be distinguished from quantum reductionist models in the spirit of Hameroff and Penrose and well as Umezawa and Vitiello. QLM is not concerned with just quantum physical processes in the brain but also QL information processing by macroscopic neuronal structures. Although QLM of cognition and decision-making has seen some success, it suffers from a knowledge gap that exists between oscillatory neuronal network functioning in the brain and QL behavioral patterns. Recently, steps toward closing this gap have been taken using the generalized probability theory and prequantum classical statistical field theory (PCSFT) - a random field model beyond the complex Hilbert space formalism. PCSFT is used to move from the classical ``oscillatory cognition'' of the neuronal networks to QLM for decision.making. In this study, we addressed the most difficult problem within this construction: QLM for entanglement generation by classical networks, i.e., mental entanglement. We started with the observational approach to entanglement based on operator algebras describing local observables and bringing into being the tensor product structure in the space of QL states. Moreover, we applied the standard states entanglement approach: entanglement generation by spatially separated networks in the brain. Finally, we discussed possible future experiments on mental entanglement detection using the EEG/MEG technique.
• Abstract（参考訳）: 量子ライクなモデリング(QLM) - 物理学以外の量子理論の応用 - は、生物学、認知学、心理学、意思決定の応用で集中的に開発されている。 認識のためには、QLMはハメロフとペンローズの精神と梅沢とヴィチェロの精神の量子還元モデルと区別されるべきである。 QLMは脳の量子物理過程だけでなく、マクロな神経細胞構造によるQL情報処理にも関係している。 認知と意思決定のQLMはいくつかの成功例があるが、脳内で機能する振動ニューロンネットワークとQLの行動パターンの間に存在する知識ギャップに悩まされている。 近年、このギャップを閉じるためのステップは、複素ヒルベルト空間形式論を超えたランダム場モデルである一般化確率理論と前量子古典的統計場理論(PCSFT)を用いてなされている。 PCSFTは、神経ネットワークの古典的な ‘oscillatory cognition'' から QLM への移行に使用される。 本研究では,古典的ネットワークによる絡み合い生成のためのQLM,つまり精神的絡み合いの最も難しい問題について検討した。 まず、局所可観測性を記述する作用素代数に基づく絡み合いに対する観測的アプローチから始め、QL状態の空間におけるテンソル積構造をもたらす。 さらに,脳内の空間的に分離されたネットワークによるエンタングルメント生成という,標準的な状態エンタングルメント手法を適用した。 最後に,脳波/MEGを用いた心的絡み込み検出の可能性について検討した。

関連論文リスト

• Quantum Recurrent Embedding Neural Network [11.54075064463256]
  本稿では、ResNetの高速トラック情報経路にインスパイアされた量子リカレント埋め込みニューラルネットワーク(QRENN)を提案する。 我々は、QRENN回路のトレーニング可能性の厳密な証明を提供し、このディープ量子ニューラルネットワークがバレンプラトーを回避することができることを示した。 その結果、量子ニューラルネットワークに再帰的なデータ埋め込みのパワーと、スケーラブルな量子教師あり学習の可能性を強調した。
  論文  参考訳（メタデータ） (2025-06-16T07:50:31Z)
• Neural Network Emulation of the Classical Limit in Quantum Systems via Learned Observable Mappings [0.0]
  ニューラルネットワークアーキテクチャを開発し,初期期待値とhbar$から位置期待値の時間進化へのマッピングを学習する。 ネットワークの予測を異なるhbarのレジームで分析することにより、量子古典遷移の性質に関する計算的な洞察を提供することを目指している。
  論文  参考訳（メタデータ） (2025-04-15T00:48:36Z)
• Time-Irreversible Quantum-Classical Dynamics of Molecular Models in the Brain [36.136619420474766]
  この写本は、脳内の分子過程を研究する長期的なプロジェクトの中で、量子古典散逸理論を説明することを目的としている。 この理論は正式な要求のためではなく、脳のプロセスが分子、生理学、高機能レベルで散逸しているように見えるため、散逸しなくてはならない。
  論文  参考訳（メタデータ） (2025-02-18T00:12:12Z)
• Coupling quantum-like cognition with the neuronal networks within generalized probability theory [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-29T13:09:35Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• 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)
• 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)

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。