論文の概要: Do Quantum AIs Dream in Paths? Path-Integral Slow Thinking through Grover Interference

• arxiv url: http://arxiv.org/abs/2609.05842v1
• Date: Sat, 05 Sep 2026 03:12:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.145113
• Title: Do Quantum AIs Dream in Paths? Path-Integral Slow Thinking through Grover Interference
• Title（参考訳）: 量子AIはパスを夢見るか? グローバー干渉による経路内スローシンキング
• Abstract要約: 検証可能な報酬による強化学習は、大きな言語モデルをゆっくりと考えることを可能にするが、同じトレーニングは政策崩壊を引き起こす可能性がある。 量子AIがスロー思考を実現できるかどうかを問う。 我々は、列が重ね合わせで共存し、測定前に再結合する離散経路積分である推論軌道上のコヒーレントダイナミクスとしてスローシンキングを定式化する。
• 参考スコア（独自算出の注目度）: 2.1710173984857826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning with verifiable rewards enables large language models to think slowly, but the same training can induce policy collapse: probability concentrates onto a few successful trajectories and exploratory diversity erodes. We ask whether quantum AI can realize slow thinking differently. We formulate slow thinking as coherent dynamics over reasoning trajectories, a discrete path integral in which action sequences coexist in superposition and recombine before measurement. In our trainable realization, an exact verifier partitions the ensemble into collective accepted and rejected components that interfere under Grover amplitude amplification. A finite Grover evolution is maximized when the pre-amplification success probability lies at an analytically determined value below one, so inference itself defines an interior training target and removes the monotonic pressure toward unit success. In exact statevector simulations of a 2x3 sliding puzzle, Grover training reaches accuracy 0.95 on a 32-question training set at one round, against 0.73 for the strongest classical control. On held-out questions specialization has a cost: an untrained uniform policy read out through the same amplification remains the strongest reference on this solution-dense benchmark, and quantum training preserves far more held-out accuracy than classical training - at four rounds with matched circuit applications the two quantum models reach 3.2 and 3.9 times the strongest classical controls. The number of training questions supported by fixed-size policies trained at each amplification budget also grows faster with the budget than with matched classical repetition. These results establish a Grover-based realization of path-integral slow thinking: the interior target preserves exploratory path diversity, and ensemble-level interference converts it into verified performance.
• Abstract（参考訳）: 検証可能な報酬による強化学習は、大きな言語モデルがゆっくりと考えることを可能にするが、同じ訓練が政策崩壊を引き起こす可能性がある。 量子AIがスロー思考を実現できるかどうかを問う。 我々は,行動系列が重畳と再結合に共存する離散経路積分である軌道の推論に対するコヒーレントダイナミクスとしてスローシンキングを定式化する。 トレーニング可能な実現法では、正確な検証器は、アンサンブルをグロバー振幅増幅の下で干渉する集合的および拒否的成分に分割する。 有限グロバーの進化は、事前増幅成功確率が解析的に決定された値以下であるときに最大化されるので、推論自体が内部トレーニングターゲットを定義し、単調な単位成功に対する圧力を除去する。 2x3スライディングパズルの正確な状態ベクトルシミュレーションでは、Groverトレーニングは1ラウンドで設定された32問のトレーニングセットで精度0.95に達する。 量子トレーニングは古典的なトレーニングよりもはるかに高いホールトアウト精度を保ち、マッチした回路応用の4ラウンドでは、2つの量子モデルは最も強力な古典的制御の3.2倍と3.9倍に達する。 各増幅予算で訓練された定型政策によって支持されるトレーニング質問の数は、古典的な繰り返しと一致するものよりも、予算によって急速に増加する。 これらの結果は、探索経路の多様性を維持し、アンサンブルレベルの干渉によって検証された性能に変換される、経路積分の遅い思考をグロバーベースで実現する。

関連論文リスト

• REVES: REvision and VErification--Augmented Training for Test-Time Scaling [53.197756110943395]
  本稿では,オンラインデータ/プロンプト拡張とポリシー最適化を交互に行う2段階反復フレームワークを提案する。 我々は、RLベースライン上の+6.5点と、標準マルチターントレーニングにおける+4.0点の利得を観察する。
  論文  参考訳（メタデータ） (2026-06-17T10:37:23Z)
• Deep Q-Learning on Hölder Spaces [0.5671339754416556]
  連続状態と動作を伴う連続時間制御におけるQ-ラーニングの演算子理論コアについて検討する。 ベルマンの更新により、有界な入力を異方正則クラスにマッピングし、状態変数を滑らかにするとともに、動作変数にリプシッツのみ依存することを示す。 結果として得られる理論は、ベルマンの目標正則性と連続制御における近似のレベルにおけるQ-ラーニング理論に直接貢献する。
  論文  参考訳（メタデータ） (2026-06-15T15:23:22Z)
• Momentum for Reasoning: Dense Intrinsic Signals in Policy Optimization [31.547614109943158]
  検証可能な報酬付き強化学習(RLVR)は,大規模言語モデルにおける長鎖推論の強力なパラダイムとして登場した。 提案手法は,最終回答に対する思考軌跡の情報量を測定するシーケンスレベル信号と,重要な決定トークンにおける確実な予測を円滑化させるトークンレベル指向報酬とを組み合わせ,ISPO(Intrinsic Signal Policy Optimization)を提案する。 ISPOは競争ベースラインを一貫して上回り、ゼロアドバンテージ崩壊が最も頻繁なベンチマークで最大の利益を上げ、トレーニング力学診断では両方の障害モードが減少していることを確認した。
  論文  参考訳（メタデータ） (2026-06-07T20:08:36Z)
• Dynamic Mixture of Latent Memories for Self-Evolving Agents [57.20419419302731]
  MoLEMは、動的混合(MoE)に基づく潜在メモリフレームワークの生成混合物である。 我々は、数学、科学、コードドメインにまたがる連続的な学習シーケンスに基づいて、このフレームワークを訓練する。 連続学習を完了した後、Vanilla事前学習ベースラインよりも平均精度を10.40%向上させる。
  論文  参考訳（メタデータ） (2026-05-21T03:35:10Z)
• Trajectory-Consistent Flow Matching for Robust Visuomotor Policy Learning [1.7616042687330642]
  フローマッチングポリシは、ノイズを動作に伝達する連続速度場を学習し、ロボット操作のための決定論的推論を可能にする。 標準トレーニングは、軌道の複雑な誤りを引き起こすミスマッチである、そのフィールドの数値的な統合を必要とする間、ポイントワイドな速度目標を最適化する。 本研究では,(1)全時間間隔にわたって時間的監督を均一に行う補助的整流流速度回帰,(2)軌道上の速度場の統合的変位を監督する多段階軌道整合性トレーニング,(3)時間的滑らかさを強制する速度場正規化の4つの補完策を提案する。
  論文  参考訳（メタデータ） (2026-05-08T21:44:10Z)
• Conformalized Quantum DeepONet Ensembles for Scalable Operator Learning with Distribution-Free Uncertainty [7.889588152000197]
  演算子学習は高次元力学系の高速サロゲートモデリングを可能にする。 既存のアプローチは2次推論複雑性と信頼できない不確実性定量化という2つの基本的な制限に直面している。 両課題を同時に解決するフレームワークであるConformalized Quantum DeepONet Ensemblesを提案する。
  論文  参考訳（メタデータ） (2026-05-01T01:13:59Z)
• Generalist++: A Meta-learning Framework for Mitigating Trade-off in Adversarial Training [105.74524789405514]
  対人訓練(AT)は、現在、ニューラルネットワークに対する最も効果的な防御である。 本稿では,汎用化目標を複数のサブタスクに分割し,それぞれを専用のベースラーナに割り当てる。 トレーニングの後半では、これらのパラメータを補間して、知識のあるグローバルな学習者を形成する。 このフレームワークをGeneralistと呼び、異なるアプリケーションシナリオに適した3つのバリエーションを紹介します。
  論文  参考訳（メタデータ） (2025-10-15T09:47:54Z)
• Emergence of Superposition: Unveiling the Training Dynamics of Chain of Continuous Thought [64.43689151961054]
  有向グラフ到達性問題に対する簡易な2層変圧器のトレーニング力学を理論的に解析する。 分析の結果,連続的思考を用いたトレーニングでは,まずインデックスマッチングロジットが増加し,その後は軽度な仮定の下で拘束されることがわかった。
  論文  参考訳（メタデータ） (2025-09-27T15:23:46Z)
• A Stable Whitening Optimizer for Efficient Neural Network Training [99.7641280234926]
  アルゴリズムのシャンプー系をベースとして,3つの重要な問題を同定・緩和し,SPlus法を提案する。 まず,行列逆が長期にわたってキャッシュされる場合,素早いシャンプーは分岐しがちであることがわかった。 第二に、ネットワーク幅をまたいで学習率の伝達を可能にするために、形状認識スケーリングを適用する。 第3に,高い学習率によってパラメータノイズが大きくなり,より高速な学習をブロックする簡単な反復学習方式を提案する。
  論文  参考訳（メタデータ） (2025-06-08T18:43:31Z)
• Unifying non-Markovian characterisation with an efficient and self-consistent framework [0.0]
  ほぼ全ての量子デバイスは、回路のレベルでノイズの多い量子と古典的な相関に悩まされている。 我々は、すべての非マルコフ現象を均一に包含し分類する理論的な枠組みを開発する。 任意の$SU(4)$演算のダイヤモンド標準と平均ゲート忠実度において、大幅な改善が可能であることを示す。
  論文  参考訳（メタデータ） (2023-12-13T19:00:23Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。