[論文レビュー] Quantum-Inspired Neural Network Model of Optical Illusions

Ivan S. Maksymov|arXiv (Cornell University)|Dec 6, 2023

Neural Networks and Reservoir Computing被引用数 4

ひとこと要約

本論文では、人間のネッカー立方体への知覚を量子ビットに類似た重ね合わせ状態としてモデル化するため、量子乱数生成器を用いた量子インスパイアド深層ニューラルネットワークを提案する。このモデルは、知覚の入れ替えが古典的バイナリの交互切り替えではなく、量子的重ね合わせに類似したものであることを示し、量子認知理論の新たな展開を支持するとともに、VR、AIの訓練、神経科学分野への応用を提供する。

ABSTRACT

Ambiguous optical illusions have been a paradigmatic object of fascination, research and inspiration in arts, psychology and video games. However, accurate computational models of perception of ambiguous figures have been elusive. In this paper, we design and train a deep neural network model to simulate the human's perception of the Necker cube, an ambiguous drawing with several alternating possible interpretations. Defining the weights of the neural network connection using a quantum generator of truly random numbers, in agreement with the emerging concepts of quantum artificial intelligence and quantum cognition we reveal that the actual perceptual state of the Necker cube is a qubit-like superposition of the two fundamental perceptual states predicted by classical theories. Our results will find applications in video games and virtual reality systems employed for training of astronauts and operators of unmanned aerial vehicles. They will also be useful for researchers working in the fields of machine learning and vision, psychology of perception and quantum-mechanical models of human mind and decision-making.

研究の動機と目的

• アンビギアスな視覚的錯覚、特にネッカー立方体の人の知覚を正確にシミュレートする計算モデルを開発すること。
• アンビギアスな図形における知覚の入れ替えが、古典的バイナリの交互切り替えよりも量子的重ね合わせによってよりよく説明できるかどうかを調査すること。
• 量子乱数生成や量子ビットに類似た状態といった、量子インスパイアドメカニズムの、人間の知覚と意思決定のモデル化への応用可能性を検討すること。
• 深層学習とEEGおよび眼動-tracking研究からの実験データを用いて、量子認知理論を検証可能なフレームワークを提供すること。
• 視覚的に複雑で曖昧な環境において、宇宙飛行士や無人航空機（UAV）の操縦者を訓練するための実用的応用を可能にすること。

提案手法

• 視覚入力パターンに基づいてネッカー立方体の知覚をシミュレートするための深層ニューラルネットワークを訓練する。
• 量子乱数生成を用いてネットワークの接続重みを定義し、量子力学の原則に整合する真のランダム性を導入する。
• モデルの内部状態を量子ビットに類似た重ね合わせ状態として解釈する：|ψ⟩ = α|0⟩ + β|1⟩、ここで|0⟩と|1⟩は立方体の2つの知覚的解釈を表す。
• 知覚状態の崩壊を模倣するために射影測定演算子 M₀ = |0⟩⟨0| と M₁ = |1⟩⟨1| を適用し、確率 P(|0⟩) = |α|² と P(|1⟩) = |β|² を得る。
• EEGおよび眼動-tracking研究から得られる実験データと照らし合わせて、ネットワークのダイナミクスを検証し、知覚状態間の連続的揺れを再現していることを確認する。
• 光学的錯覚の量子オシレータモデルと比較し、重ね合わせ状態の予測が一貫していることを示す。

Figure 1: (a) The Necker cube. The answer to the question ‘Is the shaded face of the cube at the front or at the rear?’ will change suddenly depending on the observer’s perception, giving rise to a series of rectangular pulses corresponding to the front, $|0\rangle$ , and rear, $|1\rangle$ , percept

実験結果

リサーチクエスチョン

• RQ1 量子乱数生成を搭載した深層ニューラルネットワークは、ネッカー立方体のようなアンビギアスな視覚的錯覚の人間の知覚を正確にシミュレートできるか？
• RQ2 ネッカー立方体の知覚状態は、古典的バイナリスイッチとして説明されるよりも、量子重ね合わせ状態として説明されるほうが適切か？
• RQ3 知覚の入れ替えの時間的ダイナミクスは、どの程度量子インスパイアドモデルの予測と一致するか？
• RQ4 量子インスパイアドニューラルネットワークは、曖昧な視覚的環境において宇宙飛行士やUAV操縦者を訓練するシステムをどのように改善できるか？
• RQ5 このモデルは、人間の意思決定と知覚における量子認知理論の計算的テストベッドとして機能できるか？

主な発見

• ニューラルネットワークモデルは、古典的バイナリの交互切り替えではなく、2つの知覚的状態の量子ビットに類似た重ね合わせとしてネッカー立方体の知覚の入れ替えを成功裏にシミュレートした。
• モデルの出力は、EEGおよび眼動-tracking実験で観察されたように、知覚状態間の連続的揺れと一致した。
• ネットワークの重みを定義する際の量子乱数生成器の使用により、量子測定理論と整合する知覚ダイナミクスが得られた。
• モデルの予測は、最近提唱された光学的錯覚の量子オシレータモデルと一致し、量子インスパイアドアプローチの妥当性を強化した。
• モデルは、知覚状態が独立したものではなく、一貫性のある重ね合わせ状態に存在することを示し、量子認知仮説を支持した。
• 本モデルはGitHubを通じて公開されており、AI、神経科学、心理学分野の研究者が再現・拡張が可能である。

Figure 2: (a) Projective measurement of a qubit. (b) Projective qubit-like measurement applied to the Necker cube. The two-dimensional shadows of the cubes are identical and perceived by an observer as an ambiguous Necker cube. Considering the shadows as a qubit-like superposition of $|0\rangle$ and