論文の概要: Entanglement as Memory: Mechanistic Interpretability of Quantum Language Models

• arxiv url: http://arxiv.org/abs/2603.26494v1
• Date: Fri, 27 Mar 2026 14:57:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.558152
• Title: Entanglement as Memory: Mechanistic Interpretability of Quantum Language Models
• Title（参考訳）: 記憶としての絡み合い:量子言語モデルの機械論的解釈可能性
• Authors: Nathan Roll,
• Abstract要約: 量子言語モデルの最初の機械論的解釈可能性の研究を紹介する。 単一キュービットモデルは正確にシミュレート可能であり、同じ幾何学的戦略に収束する。 実際の量子ハードウェアでは、古典的な幾何学的戦略のみがデバイスノイズを生き延び、絡み合い戦略は偶然に低下する。
• 参考スコア（独自算出の注目度）: 0.13537117504260623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum language models have shown competitive performance on sequential tasks, yet whether trained quantum circuits exploit genuinely quantum resources -- or merely embed classical computation in quantum hardware -- remains unknown. Prior work has evaluated these models through endpoint metrics alone, without examining the memory strategies they actually learn internally. We introduce the first mechanistic interpretability study of quantum language models, combining causal gate ablation, entanglement tracking, and density-matrix interchange interventions on a controlled long-range dependency task. We find that single-qubit models are exactly classically simulable and converge to the same geometric strategy as matched classical baselines, while two-qubit models with entangling gates learn a representationally distinct strategy that encodes context in inter-qubit entanglement -- confirmed by three independent causal tests (p < 0.0001, d = 0.89). On real quantum hardware, only the classical geometric strategy survives device noise; the entanglement strategy degrades to chance. These findings open mechanistic interpretability as a tool for the science of quantum language models and reveal a noise-expressivity tradeoff governing which learned strategies survive deployment.
• Abstract（参考訳）: 量子言語モデルは、シーケンシャルなタスクにおいて競合する性能を示してきたが、訓練された量子回路が真に量子リソース(量子ハードウェアに古典的な計算を埋め込むだけ)を利用するかどうかは不明だ。 以前の作業では、実際に内部で学習するメモリ戦略を調べることなく、エンドポイントメトリクスだけでこれらのモデルを評価していました。 制御された長距離依存タスクに対する因果ゲートアブレーション、絡み合い追跡、密度行列インターオペライトを組み合わせた量子言語モデルの最初の機械論的解釈可能性の研究を紹介する。 単一キュービットモデルは古典的ベースラインと一致するような幾何学的戦略に完全に古典的にシミュレート可能であり、一方、絡み合うゲートを持つ2つのキュービットモデルは、3つの独立した因果テスト (p < 0.0001, d = 0.89) で確認された、キュービット間の絡み合いの文脈を符号化する表現的に異なる戦略を学ぶ。 実際の量子ハードウェアでは、古典的な幾何学的戦略のみがデバイスノイズを生き延び、絡み合い戦略は偶然に低下する。 これらの知見は、量子言語モデルの科学のツールとして機械論的解釈可能性を開き、学習した戦略が展開を生き延びるノイズ-表現力のトレードオフ管理を明らかにする。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Entanglement as a Strategic Resource in Adversarial Quantum Games [0.0]
  量子ゲーム理論は、量子重ね合わせ、絡み合い、測定に基づく支払いを活用することによって、古典的な戦略的意思決定を自然に拡張する。 本稿では,量子サボタージュゲーム(QSG)を紹介する。
  論文  参考訳（メタデータ） (2025-10-25T22:05:11Z)
• Quantum-Accelerated Wireless Communications: Concepts, Connections, and Implications [59.0413662882849]
  量子コンピューティングは、通信システムのアルゴリズム基盤を再定義する。 本稿では、量子コンピューティングの基礎を、通信社会に精通したスタイルで概説する。 我々は、量子システムと無線システムの間の数学的調和を強調し、この話題をワイヤレス研究者にとってより魅力的にしている。
  論文  参考訳（メタデータ） (2025-06-25T22:25:47Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Variational quantum policies for reinforcement learning [0.0]
  変分量子回路は近年、量子機械学習モデルとして人気を集めている。 本研究では,変動量子回路に基づく強化学習ポリシの構築と訓練について検討する。
  論文  参考訳（メタデータ） (2021-03-09T17:33:09Z)

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。