論文の概要: Quantum error correction and biological error correction: A structural analogy between qubits and neurons

• arxiv url: http://arxiv.org/abs/2607.20534v1
• Date: Fri, 10 Jul 2026 15:36:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.221737
• Title: Quantum error correction and biological error correction: A structural analogy between qubits and neurons
• Title（参考訳）: 量子誤り訂正と生物学的誤り訂正--量子ビットとニューロンの構造的類似
• Abstract要約: ニューラルネットワークにおける量子エラー補正(QEC)とエラーハンドリングの構造的類似性を描く。 QECでは、論理情報はより大きなヒルベルト空間内の保護されたコード空間に埋め込まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We draw a structural analogy between quantum error correction (QEC) and error handling in neural circuits with respect to their redundant encodings and constraint-based inferences. In QEC, logical information is embedded in a protected codespace within a larger Hilbert space. A set of commuting checks (e.g. stabilizer constraints) is repeatedly evaluated to produce an error syndrome that identifies which constraints were violated without directly revealing the logical state. A decoder then maps the syndrome to a recovery operation that returns the system to the codespace and suppresses logical failure below a threshold. Neural circuits exhibit error-control strategies that can be viewed through a related biological error correction (BEC) pattern: information is distributed across multiple neurons (redundant encoding), yielding reliable collective activity from error-prone unit operations of individual neurons. The structural analogy with QEC raises the question whether collective activity may be constrained on lower-dimensional manifolds (a biological codespace), allowing recurrent circuit dynamics and mismatch signals to function as syndrome-like indicators of constraint violations, driving fast corrective dynamics and slower adaptive updates. Our structural analogy also suggests that new insights into brain-inspired algorithms for collective information processing may inform novel QEC approaches. We perform numerical experiments using simplified models of qubit and neuron dynamics to illustrate the analogy.
• Abstract（参考訳）: ニューラルネットワークにおける量子誤り訂正(QEC)とエラー処理の間の構造的な類似を、冗長なエンコーディングと制約ベースの推論に関して描いている。 QECでは、論理情報はより大きなヒルベルト空間内の保護されたコード空間に埋め込まれる。 通勤チェック(例えば安定化器の制約)のセットを繰り返し評価して、論理状態を直接明らかにすることなく、どの制約が違反しているかを識別するエラーシンドロームを生成する。 デコーダはシンドロームをリカバリ操作にマッピングし、システムからコード空間に返却し、しきい値以下の論理的失敗を抑制する。 ニューラルネットワークは、関連する生物学的エラー補正(BEC)パターンを通して見ることができるエラー制御戦略を示す:情報は複数のニューロンに分散され(冗長エンコーディング)、個々のニューロンのエラーを起こしやすいユニット操作から信頼できる集合的活動をもたらす。 QECの構造的類似性は、集団活動が低次元多様体(生物学的符号空間)に制約されるかどうかという問題を提起し、繰り返し回路力学とミスマッチ信号が制約違反のシンドロームのような指標として機能し、高速な補正力学を駆動し、適応的な更新を遅くすることを可能にする。 我々の構造的アナロジーは、脳にインスパイアされた集団情報処理アルゴリズムに対する新たな洞察が、新しいQECアプローチに影響を及ぼす可能性を示唆している。 量子ビットとニューロンのダイナミクスを単純化したモデルを用いて数値実験を行い,その類似性を説明する。

関連論文リスト

• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• Quantum advantages for syndrome-aware noisy logical observable estimation [0.616870773176256]
  フォールトトレラント量子コンピューティングの最近の進歩は、論理層におけるエラーシンドローム情報を活用することにより、性能が大幅に向上することを示唆している。 ノイズの多い論理的可観測推定のための誤り症候群の有効性を定量化するための情報理論フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-03-05T13:14:27Z)
• Spacetime Spins: Statistical mechanics for error correction with stabilizer circuits [0.0]
  量子誤り訂正の最近の進歩は、時空の安定化回路から符号が出現する新しいパラダイムを引き起こしている。 独立なパウリ誤差を受ける安定化回路の統計力学モデルを構築する方法を示す。 我々のフレームワークは、任意の安定化回路の復号特性を分析し、シミュレーションし、比較するための普遍的な処方則を提供する。
  論文  参考訳（メタデータ） (2025-12-26T11:25:02Z)
• Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
  本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。 本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。 NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
  論文  参考訳（メタデータ） (2025-10-19T14:23:35Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Fault-Tolerant Neural Networks from Biological Error Correction Codes [45.82537918529782]
  哺乳類大脳皮質の格子細胞では、アナログ誤差補正符号が神経スパイクノイズから状態を保護するために観測されている。 ここでは、これらの生物学的エラー訂正符号を用いて、各ニューロンの欠陥がシャープしきい値以下である場合、信頼性の高い計算を実現する、普遍的なフォールトトレラントニューラルネットワークを開発する。 フォールトからフォールトトレラントニューラルネットワークへの位相遷移の発見は、大脳皮質における信頼性の高い計算のメカニズムを示唆している。
  論文  参考訳（メタデータ） (2022-02-25T18:55:46Z)
• The Causal Neural Connection: Expressiveness, Learnability, and Inference [125.57815987218756]
  構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。 本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。 我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
  論文  参考訳（メタデータ） (2021-07-02T01:55:18Z)
• A simple normative network approximates local non-Hebbian learning in the cortex [12.940770779756482]
  神経科学実験は、皮質ニューロンによる感覚入力の処理は、指示信号によって変調されることを示した。 ここでは、規範的なアプローチを採用し、フィードフォワードデータの投影を導く監督的な入力として、これらの命令信号をモデル化する。 オンラインアルゴリズムは、シナプス学習規則が大脳皮質で観察されるカルシウムプラトー電位依存的な可塑性に類似しているニューラルネットワークによって実装することができる。
  論文  参考訳（メタデータ） (2020-10-23T20:49:44Z)
• Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
  予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。 アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。 本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-02T15:21:37Z)

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。