論文の概要: IRAM-Omega-Q: A Computational Architecture for Uncertainty Regulation in Artificial Agents
- arxiv url: http://arxiv.org/abs/2603.16020v1
- Date: Mon, 16 Mar 2026 23:58:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.048773
- Title: IRAM-Omega-Q: A Computational Architecture for Uncertainty Regulation in Artificial Agents
- Title（参考訳）: IRAM-Omega-Q: 人工エージェントの不確実性制御のための計算アーキテクチャ
- Authors: Veronique Ziegler,
- Abstract要約: IRAM-Omega-Qは内部制御を量子的状態表現上の閉ループ制御としてモデル化する計算アーキテクチャである。
その結果、人工エージェントの具体的な設計原則として不確実性規制が支持された。
- 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: Artificial agents can achieve strong task performance while remaining opaque with respect to internal regulation, uncertainty management, and stability under stochastic perturbation. We present IRAM-Omega-Q, a computational architecture that models internal regulation as closed-loop control over a quantum-like state representation. The framework uses density matrices instrumentally as abstract state descriptors, enabling direct computation of entropy, purity, and coherence-related metrics without invoking physical quantum processes. A central adaptive gain is updated continuously to maintain a target uncertainty regime under noise. Using systematic parameter sweeps, fixed-seed publication-mode simulations, and susceptibility-based phase-diagram analysis, we identify reproducible critical boundaries in regulation-noise space. We further show that alternative control update orderings, interpreted as perception-first and action-first architectures, induce distinct stability regimes under identical external conditions. These results support uncertainty regulation as a concrete architectural principle for artificial agents and provide a formal setting for studying stability, control, and order effects in cognitively inspired AI systems. The framework is presented as a technical model of adaptive regulation dynamics in artificial agents. It makes no claims regarding phenomenological consciousness, and the quantum-like formalism is used strictly as a mathematical representation for structured uncertainty and state evolution.
- Abstract（参考訳）: 人工エージェントは、内的規制、不確実性管理、確率的摂動下での安定性に関して不透明でありながら、強いタスク性能を達成することができる。
IRAM-Omega-Qは内部制御を量子的状態表現上の閉ループ制御としてモデル化する計算アーキテクチャである。
このフレームワークは抽象状態記述子として高密度行列を用いており、物理量子プロセスを呼び出すことなくエントロピー、純度、コヒーレンス関連のメトリクスを直接計算することができる。
目標不確実性体制をノイズ下で維持するために、中央適応利得を継続的に更新する。
提案手法は,系統的なパラメータスイープ,固定系列のパブリッシュモードシミュレーション,および感受性に基づく位相図解析を用いて,規制ノイズ空間における再現可能な臨界境界を同定する。
さらに、別の制御更新順序は、知覚優先アーキテクチャおよび行動優先アーキテクチャと解釈され、同一外部条件下で異なる安定性状態を引き起こすことを示す。
これらの結果は、人工知能の具体的なアーキテクチャ原理としての不確実性制御をサポートし、認知にインスパイアされたAIシステムにおける安定性、制御、秩序効果を研究するための正式な設定を提供する。
このフレームワークは、人工エージェントの適応制御ダイナミクスの技術的モデルとして提示される。
現象論的意識に関する主張は行わず、量子的な形式主義は構造化された不確実性と状態進化の数学的表現として厳密に使用される。
関連論文リスト
- Agency and Architectural Limits: Why Optimization-Based Systems Cannot Be Norm-Responsive [0.0]
AIシステムは、標準によって管理されるという前提の下で、ハイステークな状況にますますデプロイされている。
本稿では,最適化システムに対して仮定が正式に無効であることを示す。
論文 参考訳（メタデータ） (2026-02-26T17:16:17Z) - KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。
固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
論文 参考訳（メタデータ） (2026-02-15T06:32:23Z) - Epistemic Traps: Rational Misalignment Driven by Model Misspecification [36.837352790122544]
安全性は,報酬等級の連続関数ではなく,エージェントの先行処理によって決定される離散位相であることを示す。
これにより、ロバストなアライメントに必要な条件として、主観的モデルエンジニアリングが確立される。
論文 参考訳（メタデータ） (2026-01-27T09:21:36Z) - Designing Robust Software Sensors for Nonlinear Systems via Neural Networks and Adaptive Sliding Mode Control [2.884893167166808]
本稿では,非線形力学系のためのソフトウェアセンサの設計手法を提案する。
明示的な変換や線形化に依存する従来のモデルベースオブザーバとは異なり、提案フレームワークはニューラルネットワークと適応スライディングモード制御(SMC)を統合している。
トレーニング手法は、物理に基づく制約としてシステムの制御方程式を活用することで、基底構造軌道にアクセスせずにオブザーバ合成を可能にする。
論文 参考訳（メタデータ） (2025-07-09T13:06:58Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Anomaly Detection in Complex Dynamical Systems: A Systematic Framework Using Embedding Theory and Physics-Inspired Consistency [0.0]
複雑な力学系における異常検出は、産業やサイバー物理のインフラにおける信頼性、安全性、効率を確保するために不可欠である。
本稿では,古典的な埋め込み理論と物理に着想を得た一貫性原理を基礎としたシステム理論による異常検出手法を提案する。
本研究は, 異常が安定系の力学を阻害する仮説を支持し, 異常検出のためのロバストな信号を提供する。
論文 参考訳（メタデータ） (2025-02-26T17:06:13Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。
本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。
より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
論文 参考訳（メタデータ） (2021-05-25T19:48:35Z) - Robust Control Performance for Open Quantum Systems [0.0]
動的摂動または初期状態準備誤差の伝達に基づいて、性能を測定するフォーマリズムを開発する。
量子状態に対する閉ループブロッホ方程式の特異性から生じる困難は、#-反転補題を導入することで克服される。
追加の困難は、対称性が複数の開ループ極を生じさせ、対称性の破れの下で単一の固有値へと展開するときに生じる。
論文 参考訳（メタデータ） (2020-08-31T15:51:22Z)
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。