論文の概要: Schrodinger AI: A Unified Spectral-Dynamical Framework for Classification, Reasoning, and Operator-Based Generalization
- arxiv url: http://arxiv.org/abs/2512.22774v1
- Date: Sun, 28 Dec 2025 04:33:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-30 22:37:30.217507
- Title: Schrodinger AI: A Unified Spectral-Dynamical Framework for Classification, Reasoning, and Operator-Based Generalization
- Title（参考訳）: Schrodinger AI: 分類、推論、演算子に基づく一般化のための統一スペクトル動的フレームワーク
- Authors: Truong Son Nguyen,
- Abstract要約: 量子力学にインスパイアされた統合機械学習フレームワークである textbfSchrdinger AI を紹介する。
システムは,(1)学習したハミルトニアンの下で知覚と分類をスペクトル分解として扱う時間非依存波動エネルギー解法,(2)時間とともに意味的波動関数の進化を制御し,文脈認識による決定の修正,再帰,および環境変化による推論を可能にする時間非依存波動エネルギー解法,(3)学習された量子様遷移作用素を通してモジュラー演算などの記号変換を学習する低ランク演算子によって定義される。
- 参考スコア（独自算出の注目度）: 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce \textbf{Schrödinger AI}, a unified machine learning framework inspired by quantum mechanics. The system is defined by three tightly coupled components: (1) a {time-independent wave-energy solver} that treats perception and classification as spectral decomposition under a learned Hamiltonian; (2) a {time-dependent dynamical solver} governing the evolution of semantic wavefunctions over time, enabling context-aware decision revision, re-routing, and reasoning under environmental changes; and (3) a {low-rank operator calculus} that learns symbolic transformations such as modular arithmetic through learned quantum-like transition operators. Together, these components form a coherent physics-driven alternative to conventional cross-entropy training and transformer attention, providing robust generalization, interpretable semantics, and emergent topology. Empirically, Schrödinger AI demonstrates: (a) emergent semantic manifolds that reflect human-conceived class relations without explicit supervision; (b) dynamic reasoning that adapts to changing environments, including maze navigation with real-time potential-field perturbations; and (c) exact operator generalization on modular arithmetic tasks, where the system learns group actions and composes them across sequences far beyond training length. These results suggest a new foundational direction for machine learning, where learning is cast as discovering and navigating an underlying semantic energy landscape.
- Abstract（参考訳）: 量子力学にインスパイアされた統合機械学習フレームワークである‘textbf{Schrödinger AI} を紹介する。
システムは,(1)学習したハミルトニアンの下で知覚と分類をスペクトル分解として扱う {時間非依存波動エネルギー解法,(2)学習した量子様遷移演算子を通してモジュラー演算などの記号変換を学ぶ {時間依存動力学的解法,(3)文脈認識による決定の修正,再帰,および環境変化による推論を可能にする {時間依存波動関数の進化を管理する {時間依存波動関数解法,の3つの密結合成分によって定義される。
これらのコンポーネントは、従来のクロスエントロピートレーニングやトランスフォーマーアテンションに代わるコヒーレントな物理駆動の代替となり、堅牢な一般化、解釈可能なセマンティクス、創発的トポロジーを提供する。
経験的に、Schrödinger AIは次のように示している。
(a)明示的な監督を伴わずに人間と観念された階級関係を反映する創発的意味多様体
(b)リアルタイム電位場摂動による迷路ナビゲーションを含む環境変化に適応する動的推論
(c) モジュラー演算タスクの正確な演算子一般化(英語版)では、システムは群アクションを学習し、トレーニング長をはるかに超越したシーケンスでそれらを構成する。
これらの結果から、機械学習の新たな基礎的な方向性が示唆され、そこでは、学習が基礎となるセマンティックエネルギのランドスケープを発見し、ナビゲートする。
関連論文リスト
- Unlocking Out-of-Distribution Generalization in Transformers via Recursive Latent Space Reasoning [50.99796659680724]
本研究では,GSM8Kスタイルのモジュラー演算をテストベッドとして用いたTransformerネットワークにおけるアウト・オブ・ディストリビューション(OOD)の一般化について検討する。
我々は,OOD一般化の強化を目的とした4つのアーキテクチャ機構のセットを紹介し,検討する。
我々はこれらの実験結果を詳細な機械論的解釈可能性分析で補完し、これらのメカニズムがOOD一般化能力をいかに高めるかを明らかにする。
論文 参考訳（メタデータ） (2025-10-15T21:03:59Z) - A Mathematical Explanation of Transformers for Large Language Models and GPTs [6.245431127481903]
本稿では,トランスフォーマーを構造化積分微分方程式の離散化として解釈する新しい連続フレームワークを提案する。
この定式化の中で、自己注意機構は非局所積分作用素として自然に現れる。
提案手法は, 連続領域にトランスフォーマー演算全体を埋め込むことにより, 従来の理論的解析を超えて拡張する。
論文 参考訳（メタデータ） (2025-10-05T01:16:08Z) - A Free Probabilistic Framework for Analyzing the Transformer-based Language Models [19.78896931593813]
本稿では,自由確率理論を用いたトランスフォーマーに基づく言語モデル解析のための形式的演算子理論フレームワークを提案する。
この研究は、理論上は大きな言語モデルにおける構造力学に関する原則的視点を提供する。
論文 参考訳（メタデータ） (2025-06-19T19:13:02Z) - How do Transformers Learn Implicit Reasoning? [67.02072851088637]
制御されたシンボリック環境下でトランスフォーマーをスクラッチからトレーニングすることで、暗黙のマルチホップ推論がどのように現れるかを研究する。
原子三重項によるトレーニングは必要ではなく学習を加速し,第2ホップの一般化は特定の構成構造へのクエリレベル露出に依存する。
論文 参考訳（メタデータ） (2025-05-29T17:02:49Z) - Alpay Algebra III: Observer-Coupled Collapse and the Temporal Drift of Identity [0.0]
第3のインストールは、無限のカテゴリーフローと曲率駆動の恒等演算子を通して、オブザーバ結合されたフィコラプス過程を形式化する。
システムは、内部変換履歴を記号的固定点構造に符号化することで、説明可能なAI(XAI)における従来のアイデンティティモデリングを超越する。
結果はまた、安定した自己参照行動を持つ将来のAIシステムに対して、数学的に厳密な基礎を提供する。
論文 参考訳（メタデータ） (2025-05-26T10:20:12Z) - Interpreting Affine Recurrence Learning in GPT-style Transformers [54.01174470722201]
インコンテキスト学習により、GPTスタイルのトランスフォーマーは、重みを変更することなく推論中に一般化できる。
本稿では,ICLタスクとしてアフィンの再発を学習し,予測する能力に着目する。
実験的手法と理論的手法の両方を用いてモデルの内部動作を分析する。
論文 参考訳（メタデータ） (2024-10-22T21:30:01Z) - SEGNO: Generalizing Equivariant Graph Neural Networks with Physical
Inductive Biases [66.61789780666727]
等変性を維持しながら, 2階連続性をGNNに組み込む方法を示す。
また、SEGNOに関する理論的知見も提供し、隣接する状態間の一意の軌跡を学習できることを強調している。
我々のモデルは最先端のベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-08-25T07:15:58Z) - Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。
モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。
ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文 参考訳（メタデータ） (2021-10-12T23:22:45Z) - Relevant OTOC operators: footprints of the classical dynamics [68.8204255655161]
OTOC-RE定理(OTOC-RE theorem)は、作用素の完備な基底にまとめられたOTOCを第二レニイエントロピー(Renyi entropy)に関連付ける定理である。
関係作用素の小さな集合に対する和は、エントロピーの非常によい近似を得るのに十分であることを示す。
逆に、これは複雑性の別の自然な指標、すなわち時間と関連する演算子の数のスケーリングを提供する。
論文 参考訳（メタデータ） (2020-07-31T19:23:26Z)
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。