[논문 리뷰] Representing probabilistic data via ontological models

Nicholas Harrigan, Terry Rudolph외 1명|ArXiv.org|2007. 09. 07.

Quantum Mechanics and Applications참고 문헌 16인용 수 22

한 줄 요약

이 논문은 정규 확률 분포와 지시 함수를 기반으로 한 온톨로지 모델을 사용하여 확률적 양자 데이터를 표현하는 프레임워크를 제안한다. 이는 양자역학의 실재주의적 해석을 가능하게 하며, 유한한 수의 양자 준비 및 측정 통계를 세 가지 다른 분해 방법으로 모델링할 수 있음을 보여주고, 비결정론적 모델을 결정론적 모델로 전환할 수 있으며, 고전적 양자 시스템 시뮬레이션에 관련된 최소 온톨로지 상태 표현을 탐색한다.

ABSTRACT

Ontological models are attempts to quantitatively describe the results of a probabilistic theory, such as Quantum Mechanics, in a framework exhibiting an explicit realism-based underpinning. Unlike either the well known quasi-probability representations, or the "r-p" vector formalism, these models are contextual and by definition only involve positive probability distributions (and indicator functions). In this article we study how the ontological model formalism can be used to describe arbitrary statistics of a system subjected to a finite set of preparations and measurements. We present three models which can describe any such empirical data and then discuss how to turn an indeterministic model into a deterministic one. This raises the issue of how such models manifest contextuality, and we provide an explicit example to demonstrate this. In the second half of the paper we consider the issue of finding ontological models with as few ontic states as possible.

연구 동기 및 목표

• 유한한 수의 양자 준비 및 측정 통계를 정규 확률 분포에 기반한 온톨로지 모델을 사용하여 표현하기 위한 형식적 체계를 개발하는 것.
• 온톨로지 모델의 핵심 특징인 연속성과 결함성(Deficiency)이 이산적이고 유한한 상황에서 어떻게 나타나는지 조사하는 것.
• 모든 비결정론적 온톨로지 모델이 경험적 예측을 유지하면서도 결정론적 모델로 변환될 수 있음을 보여주는 것.
• 주어진 양자 데이터를 표현하기 위해 필요한 최소 온톨로지 상태 수를 탐색하며, 이는 고전적 양자 시스템 시뮬레이션에 대한 영향을 고려하는 것.
• 완전히 양의 행렬 분해와 비음수 행렬 분해(NMF)와 같은 행렬 분해 기법과 온톨로지 모델 프레임워크를 연결하여 압축과 구조적 통찰을 가능하게 하는 것.

제안 방법

• 유한한 준비 및 측정 절차에서 얻은 경험적 데이터를 행렬 D로 표현하며, D_ij = P(m_j | p_i)는 준비 i에 대해 결과 j가 관측될 확률을 나타낸다.
• D의 온톨로지 분해(OF)를 D = M P로 정의하며, 여기서 M은 준비에서 온톨로지 상태로의 확률 행렬이고, P는 측정 결과에 대한 지시 함수 행렬이다.
• 세 가지의 서로 다른 분해 방법(특이값 분해 기반과 비음수 행렬 분해 기반 포함)을 제안하여 경험적 데이터 행렬 D를 표현할 수 있음을 보여준다.
• 벨이 제안한 기법을 영감으로 삼아, 추가적인 온톨로지 상태를 도입함으로써 비결정론적 온톨로지 모델을 결정론적 모델로 변환하는 기법을 적용한다.
• 결함성 개념을 사용하여 연속성을 특성화하며, 준비를 지지하는 온톨로지 상태 집합이 특정 측정 결과를 보장하는 데 필요한 상태 집합보다 엄격히 작다는 것을 보여준다.
• 완전히 양의 행렬 분해와 NMF와의 연결을 활용하여 필요한 최소 온톨로지 상태 수(Ω)를 분석하며, 이는 cp-랭크와 연결되고 양자 데이터 표현의 압축 가능성을 제시한다.

실험 결과

연구 질문

• RQ1 유한한 수의 양자 준비 및 측정 통계는 오직 정규 확률 분포와 지시 함수만을 사용하는 온톨로지 모델로 표현될 수 있는가?
• RQ2 이산적이고 유한한 온톨로지 모델 프레임워크에서 연속성과 결함성이 어떻게 명시적으로 나타나는가?
• RQ3 경험적 예측을 유지하면서도 비결정론적 온톨로지 모델을 결정론적 모델로 변환하는 것이 가능한가?
• RQ4 주어진 데이터 테이블을 표현하기 위해 필요한 최소 온톨로지 상태 수는 얼마이며, 이는 행렬 분해 랭크와 어떻게 관련되는가?
• RQ5 비음수 행렬 분해(NMF)와 완전히 양의 행렬 분해 기법을 활용하여 온톨로지 모델을 압축하고, 고전적 양자 시스템 시뮬레이션에 통찰을 제공할 수 있는가?

주요 결과

• 유한한 준비 및 측정 확률 데이터 테이블은 비음수 M과 P를 사용하는 행렬 분해 D = M P를 통해 온톨로지 모델로 표현될 수 있다.
• 세 가지의 서로 다른 분해 방법(SVD, CP 분해, NMF)을 사용하여 이러한 모델을 구성할 수 있으며, NMF 접근법은 필요에 따라 열 스토하스틱성을 유지한다.
• 벨의 구성과 유사한 기법을 통해 비결정론적 온톨로지 모델을 추가 온톨로지 상태를 도입함으로써 결정론적 모델로 변환할 수 있다.
• 연속성은 결함성의 성질을 통해 나타나며, 준비를 지지하는 온톨로지 상태 집합이 특정 측정 결과를 보장하는 데 필요한 상태 집합보다 엄격히 작다.
• 온톨로지 상태 수 Ω는 데이터 행렬 D의 cp-랭크와 일치하며, cp-랭크의 상한선은 일부 양자 데이터 가족이 힐버트 공간 차원에 대해 다항식 크기의 온톨로지 모델을 허용할 수 있음을 시사한다.
• NMF와의 연결은 온톨로지 모델이 측정 데이터를 기본적이고 해석 가능한 성분들로 분해할 수 있음을 시사하며, 이는 이미지 분석에서 특징을 식별하는 것과 유사하다.