論文の概要: Mechanistic Interpretability and Causal Feature Steering of Neural Quantum States via Sparse Autoencoders

• arxiv url: http://arxiv.org/abs/2607.01336v1
• Date: Wed, 01 Jul 2026 18:00:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.546623
• Title: Mechanistic Interpretability and Causal Feature Steering of Neural Quantum States via Sparse Autoencoders
• Title（参考訳）: スパースオートエンコーダによるニューラル量子状態の機械的解釈性と因果的特徴ステアリング
• Authors: Zihao Qi, Christopher Earls,
• Abstract要約: 本稿では,スパースオートエンコーダを用いたニューラル量子状態(NQS)の内部活性化の解析手法を提案する。 これらの特徴は, 秩序パラメータ, スタガー化磁化, 半鎖相関器などの物理観測値と強く相関していることがわかった。 さらに,これらの特徴がNQSが予測する観測対象に因果的に影響を及ぼすことを示す。
• 参考スコア（独自算出の注目度）: 0.14259046373656994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural Quantum States (NQS) are a remarkably expressive class of variational ansätze for quantum many-body wavefunctions, yet little is understood about their internal mechanisms: trained on variational objectives alone, how do NQS accurately capture physical observables that they have never been explicitly optimized for? In this work, we present a systematic approach to analyze the internal activations of NQS using sparse autoencoders. We extract features from the residual stream and demonstrate that these features strongly correlate with physical observables such as order parameters, staggered magnetization, and half-chain correlators, across both ground state representation and real-time dynamics. Remarkably, the discovery of these features is entirely unsupervised, with no physical labels provided. We further establish that such features causally affect the corresponding observables predicted by NQS, by showing that targeted, post-training intervention on a \textit{single} feature smoothly and monotonically steers the corresponding observable, while leaving the variational energy nearly unchanged. These results demonstrate that NQS are not merely functional approximators, but encode rich, interpretable internal representations of physical information. Our approach provides both a diagnostic and an intervention tool for NQS, and serves as a foundation for using mechanistic interpretability towards more reliable, transparent NQS.
• Abstract（参考訳）: ニューラル量子状態(NQS)は、量子多体波動関数に対する驚くほど表現力のある変分アンセッツェのクラスであるが、内部メカニズムについてはほとんど理解されていない。 本研究では,スパースオートエンコーダを用いたNQSの内部活性化解析手法を提案する。 残差ストリームから特徴を抽出し,これらの特徴が秩序パラメータ,スタッガ磁化,半鎖相関子などの物理観測値と強く相関していることを示し,基底状態表現と実時間ダイナミクスの両面にわたって検討した。 注目すべきは、これらの機能の発見は完全に教師なしであり、物理的なラベルは提供されていないことだ。 さらに,これらの特徴がNQSが予測する観測可能量に因果的に影響を及ぼすことを示すとともに,変化エネルギーをほとんど変化しないまま,目的の学習後介入がスムーズかつ単調に観測可能となることを示す。 これらの結果は、NQSは単に機能近似器ではなく、リッチで解釈可能な物理情報の内部表現を符号化していることを示している。 我々のアプローチは,NQSの診断と介入ツールを提供し,より信頼性が高く透明なNQSに対する機械的解釈可能性の基盤として機能する。

関連論文リスト

• Basis dependence of Neural Quantum States for the Transverse Field Ising Model [0.0]
  計算ベースの選択に対するニューラル量子状態の依存について検討する。 パラダイム的横場イジングモデルに対応する回転ハミルトニアンの族を考えると、NQS性能の依存性に寄与する基底状態の性質について論じる。 性能の基底依存性はクラスタの収束特性やマルチスピン演算子の累積展開と関係している。
  論文  参考訳（メタデータ） (2025-12-12T15:11:05Z)
• Quantum Dynamics with Time-Dependent Neural Quantum States [41.99844472131922]
  本稿では,時間依存型ニューラル量子状態(NQS)シミュレーションの実証について述べる。 NQSは、ニューラルネットワークアーキテクチャによる波動関数のパラメータ化を利用する。
  論文  参考訳（メタデータ） (2025-09-29T14:50:02Z)
• Importance of Correlations for Neural Quantum States [0.0]
  ニューラル量子状態(NQS)は、量子多体波動関数を表す強力な変分アンサッツとして登場した。 我々は、相関に基づく解釈可能なニューラルネットワークアーキテクチャを用いて、NQSのような量子状態表現における相関の役割について検討する。
  論文  参考訳（メタデータ） (2025-08-19T17:55:21Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Partially Observable Stochastic Games with Neural Perception Mechanisms [31.51588071503617]
  ニューロシンボリック部分観測ゲーム(NS-POSG)のモデルを提案する。 我々は、離散的データ駆動観察と、完全インフォームドエージェントを用いた部分インフォームドエージェントによる一方的な設定に焦点を当てた。 本研究では,一方のNS-POSGの近似解に対して,一方のNS-HSVIと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-10-17T20:25:40Z)
• Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
  この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。 逆スピン対分布関数による強いペアリング相関の出現を観察する。 この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T17:46:09Z)
• Absence of operator growth for average equal-time observables in charge-conserved sectors of the Sachdev-Ye-Kitaev model [11.353329565587574]
  量子スクランブルは閉量子系における熱化を理解する上で重要な役割を果たす。 観測対象物の乱れ平均予測値にはスクランブルが欠落していることが示される。 等時可観測物の進化を近似する累積展開法を開発した。
  論文  参考訳（メタデータ） (2022-10-05T17:47:52Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
  物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。 彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。 本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
  論文  参考訳（メタデータ） (2022-06-29T19:03:10Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)

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。