[論文レビュー] Deep Sequence Modeling with Quantum Dynamics: Language as a Wave Function

Ahmed Nebli, Hadi Saadatdoorabi+1 more|arXiv (Cornell University)|Feb 24, 2026

Quantum many-body systems被引用数 0

ひとこと要約

論文は学習された時刻依存ハミルトニアンの下で潜在状態が進化し、Born則を用いてトークン確率を読み取る複素数値のユニタリ系列モデルを提案する。実数値モデルに対する表現分離の利点を示し、情報の流れの診断を内蔵している。

ABSTRACT

We introduce a sequence modeling framework in which the latent state is a complex-valued wave function evolving on a finite-dimensional Hilbert space under a learned, time-dependent Hamiltonian. Unlike standard recurrent architectures that rely on gating mechanisms to suppress competing hypotheses, our framework utilizes quantum interference: the Hamiltonian steers the phases of complex amplitudes so that conflicting interpretations cancel while compatible ones reinforce. The dynamics are strictly unitary, ensuring that the state norm is preserved exactly at every time step via a Cayley (Crank--Nicolson) discretization. Token probabilities are extracted using the Born rule, a quadratic measurement operator that couples magnitudes and relative phases. Our primary theoretical contribution is a separation theorem characterizing the representational advantage of this readout: we define a family of disambiguation tasks that a complex unitary model of dimension $N$ solves exactly, but which requires a state dimension of $Ω(N^2)$ for any real-valued orthogonal model equipped with a standard affine-softmax readout. This quadratic gap arises because the Born rule implicitly lifts the $N$-dimensional state into the space of rank-one Hermitian matrices, accessing pairwise phase correlations that are inaccessible to linear projections. Finally, we derive a continuity equation for the latent probability mass, yielding conserved pairwise currents that serve as a built-in diagnostic for tracing information flow between dimensions.

研究の動機と目的

• 複数の解釈を区別する際に、複素値状態と干渉を用いる動機づけ。
• 複素波動関数をユニタリでノルム保存する潜在状態として導入。
• 2次の（Born-rule）読み出しで、線形読み出しではアクセスできない位相相関にアクセスできることを示す。
• 実数値モデルより表現力に有利な分離を理論的に示す。
• 潜在確率質量の連続方程式を導出し、情報の流れを診断する。

提案手法

• 潜在状態はC^Nのノルムが1の複素ベクトルで、重ね合わせられた解釈を表す。
• 進化は i d/dt |ψ(t)> = H(t)|ψ(t)> の形で、H(t) はヒルベルト空間上のエルミート行列で H0 + H_int(t) に分解。
• 自由振動を除去する相互作用像変換と、各ステップで厳密にユニタリ性を保つ Cayley（Crank– Nicolson）離散化を用いる。
• 読み出しは Born則 p(k|ψ)=|<m_k|ψ>|^2 を用い、二次的で位相を意識した確率抽出を可能にする。
• 複素数ユニタリモデルが次元Nで正確に解けるタスクの分離定理を構成する一方、アファインソフトマックス読み出しを持つ任意の実数値直交モデルには Ω(N^2) 次元が必要であることを示す。
• 潜在確率質量の連続方程式を導出し、内部診断として保守的な対になった確率電流を得る。

実験結果

リサーチクエスチョン

• RQ1 複素ユニタリモデルは、実数値モデルよりも効果的に位相ベースの干渉を用いて競合する解釈を判別できるのか？
• RQ2 標準的な読み出しの下で、複素ユニタリモデルと実数値モデルとの表現ギャップ（状態次元の観点）は正確にはどの程度か？
• RQ3 Born-rule（2次）読み出しは、線形射影ではアクセスできない対の位相相関へどうアクセスを可能にするのか？
• RQ4 潜在ヒルベルト空間における情報流の診断として、確率電流の連続方程式は機能するのか？
• RQ5 入力駆動の相互作用ハミルトニアン H_int(t) は、対角自由進化と比べてダイナミクスをどのように形作るのか？

主な発見

• 分離定理は、N次元の複素ユニタリモデルで解ける解釈の多様性のあるタスク群を証明し、実数値直交モデルでアファインソフトマックス読み出しを用いる場合には Ω(N^2) 次元を必要とする。
• Born則読み出しは、位相のクロス項を介して O(N^2) の特徴を露出させ、線形読み出しでは得られない干渉ベースの判別を可能にする。
• ダイナミクスは H(t) がエルミートで、Cayley離散化によりノルム保存を保証し、各ステップで正確なユニタリ更新を達成する。
• 潜在成分間の干渉により、ゲーティング機構を明示的に設けずとも、解釈を構成的または破壊的に組み合わせることができる。
• 確率質量の連続方程式は保存された対の確率電流を生み出し、潜在次元間の情報流の内蔵診断を提供する。
• この枠組みは、古典的ハードウェア上でエンドツーエンドに訓練可能な量子にインスパイアされた帰納バイアスを提供し、物理的量子処理ではなく代数的保証を持つ。