[論文レビュー] A neural-network-like quantum information processing system

Mitja Peruš, Horst Bischof|ArXiv.org|May 13, 2003

Neural Networks and Applications参考文献 8被引用数 6

ひとこと要約

この論文は、ホフパインとホログラム的ニューラルネットワークにインspiredされた量子情報処理システムを提案し、量子重ね合わせと波動関数の収束を用いて連想記憶とパターン認識を可能にする。量子力学的ダイナミクスが複素数の波動関数とヘブ型結合を用いてニューラル計算を模倣できることを示し、測定誘発の収束が量子計算結果の古典的読み出しを可能にする。

ABSTRACT

The Hopfield neural networks and the holographic neural networks are models which were successfully simulated on conventional computers. Starting with these models, an analogous fundamental quantum information processing system is developed in this article. Neuro-quantum interaction can regulate the "collapse"-readout of quantum computation results. This paper is a comprehensive introduction into associative processing and memory-storage in quantum-physical framework.

研究の動機と目的

• 古典的ホフパインネットワークに類似した量子連想記憶システムの理論的枠組みを確立すること。
• 量子力学が、特に脳において自然なシステムでニューラルに似た情報処理をどのように裏付けるかを明らかにすること。
• 波動関数の収束が、量子ダイナミクスを古典的で観測可能なニューラル活動に変換する役割を果たすかを検討すること。
• 量子形式主義を用いて、量子パターン認識とコンテンツアドレスラブル記憶の実現可能性を示すこと。
• 量子とニューラルダイナミクスが協働する可能性がある生物学的に妥当なメカニズム（例えば、シナプス・ジンデリックおよびマイクロチューブラー・ネットワーク）を同定すること。

提案手法

• 複素数の波動関数を用いた量子形式主義に、古典的ホフパインネットワークのエネルギー最小化則とヘブ学習則を適応する。
• 実数値のニューロン活性 $ q_i $ とシナプス結合重み $ J_{ij} $ を、それぞれ量子状態の振幅 $ \psi^k $ と量子メモリ演算子 $ G $ に置き換える。
• 連続的積分形式の量子更新則を用いる：$ \psi(\vec{r}_2, t_2) = \int G(\vec{r}_1, \vec{r}_2) \psi'(\vec{r}_1, t_1) d\vec{r}_1 $、ここで $ G(\vec{r}_1, \vec{r}_2) = \sum_{k=1}^P \psi^k(\vec{r}_1) \psi^k(\vec{r}_2) $。
• 記憶の想起を、保存された固有状態への射影としてモデル化し、出力 $ \psi(\vec{r}) \approx \sum_k C^{\prime k} \psi^k(\vec{r}) $ とし、一致するパターンに対して $ C^{\prime k} \approx 1 $ とする。
• 環境との結合による神経量子相互作用を導入し、量子重ね合わせを古典的で実数値のニューラル活性に変換する波動関数の収束を実現する。
• ホログラム的量子系と量子測定理論を援用し、モデルの物理的妥当性を裏付ける。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークにおける連想記憶とパターン認識を、根本的に量子形式主義で記述できるか？
• RQ2 波動関数の収束が、認知系において量子重ね合わせから古典的ニューラル読み出しに至る過程をどのように媒介するか？
• RQ3 量子もつれと非局所性が、効率的かつ並列分散情報処理を可能にする役割を果たすか？
• RQ4 自然な量子系（例：マイクロチューブルやシナプスネットワーク）が、量子ダイナミクスを介してニューラルに似た計算を実現できるか？
• RQ5 既存の量子技術を用いて、生物学的に妥当な方法で量子情報処理を符号化・復号化できるか？

主な発見

• 量子ホフパイン型システムは、ユニタリー変換と測定誘発の収束を通じてコンテンツアドレスラブル記憶を実現し、保存されたパターンの連想的想起を可能にする。
• このモデルは、量子重ね合わせと干渉を用いて並列的・分散的計算を実現でき、波動関数の収束によって結果が古典的観測量に投影されることを示している。
• 量子パターン再構成では、信号成分 $ A \doteq 1 $ と雑音 $ B \doteq 0 $ となる信号対雑音比を達成し、高精度な記憶想起を示している。
• システムのダイナミクスは、複素数のカーネル $ G(\vec{r}_1, \vec{r}_2) = \sum_k \psi^k(\vec{r}_1) \psi^k(\vec{r}_2) $ によって支配され、古典的ヘブ行列 $ J $ に類似しているが、量子振幅構造を有する。
• 環境との結合による神経量子相互作用により、量子状態が古典的で実数値のニューラル活性に収束し、測定読み出しのメカニズムが提供される。
• ホログラム的量子系との類似性およびNMRやレーザーを用いた符号化技術といった既存の量子計算技術を根拠に、理論的および物理的妥当性が裏付けられている。