論文の概要: Bayes or Heisenberg: Who(se) Rules?

• arxiv url: http://arxiv.org/abs/2510.13894v2
• Date: Thu, 23 Oct 2025 11:22:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:11.341199
• Title: Bayes or Heisenberg: Who(se) Rules?
• Title（参考訳）: Bayes or Heisenberg: 誰のルールですか?
• Abstract要約: 量子系は確率的状態ベクトルで表される確率方程式として再構成可能であることを示す。 これらの表現は、順番にBrain(TB)モデルのニューラルネットワークダイナミクスによって近似することができる。
• 参考スコア（独自算出の注目度）: 28.888157650952675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although quantum systems are generally described by quantum state vectors, we show that in certain cases their measurement processes can be reformulated as probabilistic equations expressed in terms of probabilistic state vectors. These probabilistic representations can, in turn, be approximated by the neural network dynamics of the Tensor Brain (TB) model. The Tensor Brain is a recently proposed framework for modeling perception and memory in the brain, providing a biologically inspired mechanism for efficiently integrating generated symbolic representations into reasoning processes.
• Abstract（参考訳）: 量子系は一般に量子状態ベクトルによって記述されるが、ある場合において、それらの測定過程は確率的状態ベクトルの言葉で表される確率的方程式として再構成可能であることを示す。 これらの確率的表現は、代わりに、テンソル脳(TB)モデルのニューラルネットワークダイナミクスによって近似することができる。 テンソル・ブレイン(Tensor Brain)は、脳内の知覚と記憶をモデル化するためのフレームワークであり、発生したシンボル表現を推論プロセスに効率的に統合するための生物学的にインスパイアされたメカニズムを提供する。

関連論文リスト

• Bio-inspired Learning and Decision-Making with Probabilistic In-Memory Computing Hardware: Part 1 [7.594989550621794]
  動物における学習と意思決定は、しばしばベイズ過程としてモデル化され、感覚的証拠は、不確実性に直面した振る舞いを導く以前の信念と統合される。 本論では, 内的エネルギー関数からのサンプリングにより, 雑音性ニューラルおよびシナプス力学が推論および学習を行う, 生物学的基盤の枠組みについて論じる。 我々は、大規模でエネルギー効率のよい確率的推論のソリューションとして、インメモリコンピューティングハードウェアのアナログが自然に現れることを強調する。
  論文  参考訳（メタデータ） (2026-09-10T09:13:38Z)
• Canonical quantization of neurons [51.809748057605184]
  我々は、機械学習の基本計算プリミティブであるニューロンに正準量子化を適用する。 我々は,学習と評価のためのハイブリッド量子古典アルゴリズムを開発した。 我々の研究は、量子機械学習プリミティブを構築するための原則的なフレームワークとして、標準量子化を確立する。
  論文  参考訳（メタデータ） (2026-07-06T12:39:06Z)
• Fermi-Dirac machines as quantizations of neurons [51.809748057605184]
  我々はフェルミ・ディラック機械を古典ニューロンの正準量子化として再解釈する。 我々は、量子化されたニューロンの出力と勾配を評価するための効率的なハイブリッド量子古典アルゴリズムを開発した。 数値実験により、量子ハミルトニアンに基づくニューロンは古典ニューロンでは不可能な関数を学習できることが示されている。
  論文  参考訳（メタデータ） (2026-05-23T04:09:03Z)
• Quantum Mechanics of Stochastic Systems [0.0954904463032233]
  我々はシステムの量子力学の基礎的枠組みを開発する。 QHO固有状態を表現に変換する正確な摂動ポテンシャルを構築することにより、正準確率分布を実証する。 これらの結果は、系が構造、ブリッジング量子力学、統計物理学、実験確率実現において本質的に量子力学的であることを示している。
  論文  参考訳（メタデータ） (2025-10-25T20:46:37Z)
• Testing quantum markers of brain processes [0.0]
  軸索信号伝搬とサブスレッショルド振動の創発的コヒーレンスを検出するための2つの実験を提案する。 成功すれば、これらの実験は脳プロセスの量子マーカーに対する実験的サポートを提供する。
  論文  参考訳（メタデータ） (2025-08-29T10:16:31Z)
• Derivation of a Schrödinger Equation for Single Neurons Through Stochastic Neural Dynamics [0.0]
  ニューロン膜の電気ノイズ(ブラウン運動)は、創発的な「シュル」オーディンガー方程式を引き起こす。 この結果は、脳機能の基礎となるメカニズムに関する新たな洞察を与える可能性がある。
  論文  参考訳（メタデータ） (2024-06-24T07:25:57Z)
• Inferring Inference [7.11780383076327]
  我々は,大規模神経活動パターンから標準分散計算を推定するフレームワークを開発した。 確率的グラフィカルモデルに近似推論アルゴリズムを暗黙的に実装したモデル脳のための記録をシミュレートする。 全体として、このフレームワークはニューラル記録の解釈可能な構造を発見するための新しいツールを提供する。
  論文  参考訳（メタデータ） (2023-10-04T22:12:11Z)
• 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)
• Artificial stochastic neural network on the base of double quantum wells [0.0]
  本稿では,量子力学粒子を応用したニューラルネットワークのモデルについて検討する。 粒子の自己ポテンシャルの形式と2つの相互作用ポテンシャル(励起と阻害)が提案される。
  論文  参考訳（メタデータ） (2022-08-16T07:54:19Z)
• 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 Logic of Quantum Programs [77.34726150561087]
  本稿では,量子プログラムにおける情報フローの論理計算について述べる。 特に、複素量子系における量子測定、ユニタリ進化、絡み合いを扱うことができる動的論理を導入する。
  論文  参考訳（メタデータ） (2021-09-14T16:08:37Z)
• 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)
• The Neural Coding Framework for Learning Generative Models [91.0357317238509]
  本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。 同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
  論文  参考訳（メタデータ） (2020-12-07T01:20:38Z)

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。