論文の概要: Quantum-Structured World Models (QSWMs) for Predictive Latent Dynamics

• arxiv url: http://arxiv.org/abs/2608.05371v1
• Date: Wed, 05 Aug 2026 19:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.780128
• Title: Quantum-Structured World Models (QSWMs) for Predictive Latent Dynamics
• Title（参考訳）: 予測潜在ダイナミクスのためのQSWM(Quantum-Structured World Models)
• Abstract要約: 本稿では,予測世界モデリングのための量子モデルであるQuantum-Structured World Modelsを紹介する。 複素数値表現や密度行列型潜水剤などの量子論にインスパイアされた数学的構造が、世界モデリングに有用な帰納的バイアスを与えるかどうかを考察する。 以上の結果から,QSWMの長期ロールアウトには限界があることが示唆された。
• 参考スコア（独自算出の注目度）: 2.5550550306034343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models learn latent states that summarize interaction histories, evolve over time, and support prediction, simulation, or planning. Most existing world models represent these states using classical vectors, probability distributions, recurrent hidden states, or transformer activations. In this paper, we introduce Quantum-Structured World Models (QSWMs), a quantum-inspired framework for predictive world modeling with structured latent states, latent transition operators, and measurement-inspired decoding maps. We study whether mathematical structures inspired by quantum theory, such as complex-valued representations and density-matrix-like latents, provide useful inductive biases for world modeling. We establish three foundational properties: classical inclusion, predictive sufficiency, and structured compactness. We then instantiate complex-valued and density-matrix-like QSWM variants and evaluate them on elementary cellular automata against strong classical baselines. Results show promising local predictive potential for complex-valued QSWMs, while also revealing limitations in long-horizon rollout, density-matrix variants
• Abstract（参考訳）: 世界モデルは、相互作用履歴を要約し、時間とともに進化し、予測、シミュレーション、計画をサポートする潜在状態を学ぶ。 現存するほとんどの世界モデルは、古典的ベクトル、確率分布、繰り返し隠れ状態、あるいはトランスフォーマーアクティベーションを用いてこれらの状態を表す。 本稿では,量子構造化世界モデル (QSWMs) について紹介する。これは,構造化潜在状態,遅延遷移演算子,測定に着想を得た復号写像を用いた予測的世界モデリングのための,量子インスパイアされたフレームワークである。 複素数値表現や密度行列型潜水剤などの量子論にインスパイアされた数学的構造が、世界モデリングに有用な帰納的バイアスを与えるかどうかを考察する。 古典的包摂性、予測充足性、構造化コンパクト性という3つの基礎的性質を確立する。 次に, 複素数値および密度行列型QSWM変異体をインスタンス化し, 基本セルオートマトンを用いて, 強い古典的ベースラインに対して評価する。 その結果、複雑な値を持つQSWMの局所的予測可能性を示すとともに、長軸ロールアウト、密度行列変種における制限を明らかにする。

関連論文リスト

• Platonic Representation Hypothesis on World Models [42.05154017234555]
  我々は,有能な世界モデルが幾何学的に類似した内部構造へと発展していくことを示す。 以上の結果から,予測整合性の追求は,世界モデル間の共用・遷移整合性を有する潜在構造を促進することが示唆された。
  論文  参考訳（メタデータ） (2026-08-24T18:08:30Z)
• The Hyperspherical Geometry of CLIP Latent Space: A Semantic Mixture Model [73.29820477295043]
  Contrastive Language-Image Pretraining (CLIP) 表現は、コサイン類似性によって支配されるセマンティック埋め込み空間を形成する。 本稿では,MovMF(MovMF)分布の混合に基づくCLIP潜伏空間の原理密度モデルを提案する。
  論文  参考訳（メタデータ） (2026-07-15T10:05:53Z)
• CatalyticMLLM: A Graph-Text Multimodal Large Language Model for Catalytic Materials [61.546562658308005]
  触媒材料のためのグラフテキスト多モード大言語モデルQE-Catalytic-V2を提案する。 プロパティ予測と逆設計を同じモデルと共有表現空間に統合する。 この統合フレームワークでは、QE-Catalytic-V2は信頼性の高いプロパティ予測を行うだけでなく、物理的に実現可能なCIF候補を生成し、表示することができる。
  論文  参考訳（メタデータ） (2026-05-17T04:31:46Z)
• The Trinity of Consistency as a Defining Principle for General World Models [106.16462830681452]
  一般世界モデルは、客観的物理法則を学習し、シミュレートし、推論することができる。 本稿では,一般世界モデルに必要な基本的特性を定義するための理論的枠組みを提案する。 我々の研究は、現在のシステムの限界と将来の進歩のためのアーキテクチャ要件の両方を明確にし、一般的な世界モデルへの原則的な経路を確立します。
  論文  参考訳（メタデータ） (2026-02-26T16:15:55Z)
• From Classical Probabilistic Latent Variable Models to Modern Generative AI: A Unified Perspective [1.482314366716538]
  生成人工知能(AI)は、現在最先端のシステムを支える。 様々なアーキテクチャにもかかわらず、多くの人が確率的潜在変数モデル(PLVM)の共通基盤を共有している。 本稿では,PLVMパラダイム内での古典的手法と近代的手法の融合による統一的な視点を示す。
  論文  参考訳（メタデータ） (2025-08-18T11:02:32Z)
• Sequential-Parallel Duality in Prefix Scannable Models [68.39855814099997]
  近年では Gated Linear Attention (GLA) や Mamba など様々なモデルが開発されている。 ニアコンスタント時間並列評価と線形時間、定数空間シーケンシャル推論をサポートするニューラルネットワークモデルの全クラスを特徴付けることができるだろうか?
  論文  参考訳（メタデータ） (2025-06-12T17:32:02Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Quantum State Generation with Structure-Preserving Diffusion Model [33.108168285414195]
  本稿では、量子系の(混合)状態の生成モデリングについて考察する。 鍵となる貢献は、量子状態の物理的性質を尊重するアルゴリズム的な革新である。
  論文  参考訳（メタデータ） (2024-04-09T14:21:51Z)
• Stochastic parameter reduced-order model based on hybrid machine learning approaches [4.378407481656902]
  本稿では,畳み込み型オートエンコーダ-貯水池コンピューティング-Normalizing Flowアルゴリズムの枠組みを構築した。 このフレームワークは潜在状態変数の進化を特徴づけるために使われる。 このようにして、複雑なシステムとその動的挙動を記述するために、データ駆動の減階モデルを構築する。
  論文  参考訳（メタデータ） (2024-03-24T06:52:37Z)
• DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
  本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。 任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。 各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-01-23T15:18:54Z)

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。