[論文レビュー] Kalman filter in quantum language

Shiro Ishikawa, Kohshi Kikuchi|arXiv (Cornell University)|Apr 10, 2014

Quantum Mechanics and Applications参考文献 9被引用数 3

ひとこと要約

本稿では、カルマンフィルタが量子言語（量子測定理論）を通じてより直感的に理解可能であると提唱する。$W^*$-代数の枠組みにおいて、再帰的ベイズ推定を順次測定プロセスに再定式化することで、状態と観測のダイナミクスを統計的測定理論（SMT）の枠組み内で可観測量と条件付き確率を用いてモデル化し、予測・フィルタリング・スムージングを統合するベイズ・カルマン作用素を導出する。この作用素により、古典的統計よりも量子的言語的枠組みにおいてカルマンフィルタの論理が明確になることが示された。

ABSTRACT

Recently, we proposed measurement theory ( or. quantum language) as a linguistic turn of quantum mechanics (with the Copenhagen interpretation). This theory has a great power of scientific descriptions. In fact, we have continued asserting that even statistics can be described in terms of measurement theory. Thus, we believe that quantum language is future statistics (i.e., statistics will develop into quantum language). However, now we think that our arguments were too abstract and philosophical, that is, we should have presented concrete examples much more. Thus, in this paper, we show that the calculation of Kalman filter is more understandable in terms of quantum language than in terms of usual statistics. For this, we devote ourselves to statistical measurement theory, in which the Bertrand paradox is discussed.

研究の動機と目的

• カルマンフィルタの再帰的推定プロセスが、古典的統計的枠組みよりも量子言語においてより自然に表現可能であることを示すこと。
• 統計的測定理論（SMT）を動的システムに適用することで、ベイズ統計と量子測定理論の溝を埋めること。
• カルマンフィルタを$W^*$-代数的構造における可観測量・状態・条件付き確率を含む順次測定プロセスとして再定式化すること。
• カルマンフィルタの概念的明確性が、特に予測・フィルタリング・スムージングの処理において、量子言語の視点から見ることで向上することを示すこと。

提案手法

• 状態を確率密度として、可観測量を射影値測度として表現する$W^*$-代数的枠組みを用いて、古典的統計的測定理論（SMT）においてカルマンフィルタを形式化する。
• 状態遷移と観測プロセスをそれぞれパラメータ$a_t, b_t, r_t$および$c_t, d_t, q_t$を有するガウス型可観測量を用いてモデル化する。
• 事前状態密度$\rho_s(\omega_s)$と尤度$\widetilde{f}_{x_s}(\omega_s)$の積を正規化することで事後密度を導出する条件付き更新則として、ベイズ・カルマン作用素を導出する。
• 時間的な密度の繰り返し伝播を用い、時間$s$における事後密度を事前密度と尤度の積として表現し、$L^\infty$-ノルムによる正規化を介して再帰的計算を可能にする。
• 変数変換$\widetilde{u}_t, \widetilde{v}_t$および$u_{t-1}, v_{t-1}$を導入することで、ガウス関数の畳み込みを単一のガウス形式に簡略化し、カルマン更新の構造を保持する。
• 予測（$s > n$）、フィルタリング（$s = n$）、スムージング（$s < n$）の3つの状況を、同一の作用素$B_{\widehat{\mathsf{O}}_{t_0}}^s$によって統一的に扱う。

実験結果

リサーチクエスチョン

• RQ1 カルマンフィルタの再帰的ベイズ更新は、古典的統計的表現よりも量子言語を用いることでより自然に解釈可能か？
• RQ2 $W^*$-代数的枠組みにおける統計的測定理論が、カルマンフィルタの推定・予測・スムージングの構造をどのように明確にするか？
• RQ3 ベイズ・カルマン作用素は、同一の測定理論的枠組み内で予測・フィルタリング・スムージングを統合するために果たす役割は何か？
• RQ4 $\widetilde{u}_t, \widetilde{v}_t$および$u_{t-1}, v_{t-1}$の変換は、カルマン更新におけるガウス密度の積をどのように簡略化するか？

主な発見

• カルマンフィルタの再帰的更新は、$W^*$-代数的枠組みにおける順次測定プロセスとして再定式化され、事後状態は正規化された事前密度と尤度の積として得られる。その式は$[B_{\widehat{\mathsf{O}}_{t_0}}^s(\times_{t\in T}\{x_t\})]\rho_0(\omega_s) = \frac{\widetilde{f}_{x_s}(\omega_s) \cdot \rho_s(\omega_s)}{\int \widetilde{f}_{x_s}(\omega_s) \cdot \rho_s(\omega_s) d\omega_s}$として表現される。
• 尤度関数$\widetilde{f}_{x_s}(\omega_s)$は、元のシステムおよび観測パラメータの再帰的変換から導かれる有効パラメータ$\widetilde{u}_{s}, \widetilde{v}_{s}$を有する近似的なガウス分布であることが示された。
• 変換$u_{t-1} = -\frac{a_t \widetilde{u}_t}{\sqrt{1 + r_t^2 \widetilde{u}_t^2}}$, $v_{t-1} = \frac{b_t \widetilde{u}_t - \widetilde{v}_t}{\sqrt{1 + r_t^2 \widetilde{u}_t^2}}$により、状態遷移ノイズと観測ノイズが統合され、単一の有効ガウス尤度に統合される。
• 最終的な事後密度$\widetilde{f}_{x_s}(\omega_s)$は、事前状態と尤度からの2つのガウス関数の積として導出され、更新された精度と平均を持つ単一のガウス分布となる。これは標準カルマン更新と整合的である。
• 本フレームワークにより、予測・フィルタリング・スムージングが同一作用素$B_{\widehat{\mathsf{O}}_{t_0}}^s$によって統一され、$s = n$がフィルタリングに対応し、$s < n$がスムージングに対応する。
• 著者らは、量子言語の枠組みが古典的統計よりもカルマンフィルタに対してより高い概念的明確性を提供することを結論づけ、今後の統計学が量子言語へと進化すると示唆している。