[논문 리뷰] Kalman filter in quantum language

Shiro Ishikawa, Kohshi Kikuchi|arXiv (Cornell University)|2014. 04. 10.

Quantum Mechanics and Applications참고 문헌 9인용 수 3

한 줄 요약

이 논문은 칼만 필터가 양자어휘(양자 측정 이론)를 통해 더 직관적으로 이해될 수 있음을 제안한다. $W^*$-대수 프레임워크 내에서 재귀 베이지안 추정을 순차적 측정 과정으로 재구성함으로써, 통계 측정 이론(SMT) 형식론에서 관측가와 조건부 확률을 사용해 상태 및 관측 동역학을 모델링함으로써, 통합된 양자어휘 기반의 베이즈-칼만 연산자를 도출한다. 이 연산자는 예측, 필터링, 스무딩을 하나의 틀 안에서 통합하며, 고전적 통계보다 이 형식론에서 칼만 필터의 논리가 더 명확해짐을 보여준다.

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.

연구 동기 및 목표

• 칼만 필터의 재귀적 추정 과정이 고전적 통계 프레임워크보다 양자어휘에서 더 자연스럽게 표현될 수 있음을 보여주는 것.
• 통계 측정 이론(SMT)을 동적 시스템에 적용하여 베이지안 통계와 양자 측정 이론 사이의 격차를 메우는 것.
• 칼만 필터를 $W^*$-대수적 구조 내에서 관측가, 상태, 조건부 확률을 포함한 순차적 측정 과정으로 재구성하는 것.
• 칼만 필터의 개념적 명료성이 양자어휘의 시각에서 향상됨을 보여주며, 특히 예측, 필터링, 스무딩 처리에서 그러함을 보여주는 것.

제안 방법

• 상태는 확률 밀도로, 관측가는 사영값 측도로 표현되는 $W^*$-대수적 프레임워크 내에서 고전적 통계 측정 이론(SMT)을 형식화함으로써 칼만 필터를 다룸.
• 시스템 상태 및 측정 동역학을 각각 매개변수 $a_t, b_t, r_t$와 $c_t, d_t, q_t$를 갖는 가우시안 유사 관측가로 모델링하여 상태 전이 및 관측 과정을 표현함.
• 사전 상태 밀도 $\rho_s(\omega_s)$와 우도 $\widetilde{f}_{x_s}(\omega_s)$를 결합하여 정규화를 통해 사후 밀도를 도출하는 조건부 업데이트 규칙으로서의 베이즈-칼만 연산자 도출.
• 시간에 따른 밀도의 반복적 전파를 통해 사후 밀도를 $s$ 시점에서 사전 및 우도의 곱으로 표현하고, $L^\infty$-노름을 통한 정규화를 통해 재귀적 계산 가능하게 함.
• 변수의 변환 $\widetilde{u}_t, \widetilde{v}_t$ 및 $u_{t-1}, v_{t-1}$을 도입하여 가우시안의 콘볼루션을 단일 가우시안 형태로 단순화함으로써 칼만 업데이트의 구조를 유지함.
• 세 가지 경우에 적용: 예측($s > n$), 필터링($s = n$), 스무딩($s < n$), 모두 단일 연산자 $B_{\widehat{\mathsf{O}}_{t_0}}^s$로 통합함.

실험 결과

연구 질문

• RQ1 칼만 필터의 재귀 베이지안 업데이트가 고전적 통계적 표현보다 양자어휘를 통해 더 자연스럽게 해석될 수 있는가?
• RQ2 $W^*$-대수적 통계 측정 이론의 형식화가 칼만 필터링, 예측, 스무딩의 구조를 어떻게 명확히 하는가?
• RQ3 베이즈-칼만 연산자가 단일 측정이론적 프레임워크 내에서 예측, 필터링, 스무딩을 통합하는 데 어떤 역할을 하는가?
• RQ4 $\widetilde{u}_t, \widetilde{v}_t$ 및 $u_{t-1}, v_{t-1}$의 변환은 칼만 업데이트에서 가우시안 밀도의 곱을 어떻게 단순화하는가?

주요 결과

• 칼만 필터의 재귀적 업데이트는 $W^*$-대수적 프레임워크 내에서 순차적 측정 과정으로 재구성되며, 사후 상태는 사전 밀도와 우도의 정규화된 곱으로 얻어지며, 식으로 표현하면 $[B_{\widehat{\mathsf{O}}_{t_0}}^s(\times_{t\in T}\{x_t\})]\rho_0(\omega_s) = \frac{\widetilde{f}_{x_s}(\omega_s) \cdot \rho_s(\omega_s)}{\int \widetilde{f}_{x_s}(\omega_s) \cdot \rho_s(\omega_s) d\omega_s}$이다.
• 우도 함수 $\widetilde{f}_{x_s}(\omega_s)$는 효과적 매개변수 $\widetilde{u}_{s}, \widetilde{v}_{s}$를 갖는 근사 가우시안으로 나타나며, 이는 원래 시스템 및 관측 매개변수의 재귀적 변환을 통해 유도된다.
• 변환 $u_{t-1} = -\frac{a_t \widetilde{u}_t}{\sqrt{1 + r_t^2 \widetilde{u}_t^2}}$, $v_{t-1} = \frac{b_t \widetilde{u}_t - \widetilde{v}_t}{\sqrt{1 + r_t^2 \widetilde{u}_t^2}}$를 통해 상태 전이 노이즈와 관측 노이즈를 하나의 효과적 가우시안 우도로 통합할 수 있음.
• 최종 사후 밀도 $\widetilde{f}_{x_s}(\omega_s)$는 사전 상태 밀도와 우도에서 유래한 두 개의 가우시안 곱으로 표현되며, 이는 표준 칼만 업데이트와 일치하는 업데이트된 정밀도 및 평균을 갖는 단일 가우시안으로 도출됨.
• 이 프레임워크는 예측, 필터링, 스무딩을 단일 연산자 $B_{\widehat{\mathsf{O}}_{t_0}}^s$로 통합하며, $s = n$은 필터링에 해당하고 $s < n$은 스무딩에 해당함.
• 저자는 양자어휘 형식론이 고전적 통계보다 칼만 필터에 대해 더 높은 개념적 명료성을 제공함을 결론 내리며, 향후 통계학이 양자어휘로 발전할 것임을 시사한다.