[论文解读] Grover's algorithm and human memory

Riccardo Franco|ArXiv.org|Apr 21, 2008

Computability, Logic, AI Algorithms参考文献 13被引用 4

一句话总结

本文提出了一种基于Grover算法的类量子人类记忆模型，通过干涉和相位调控解释情绪调节对记忆检索的影响。研究表明，调整相位参数（解释为情绪影响）可复现重新评估与抑制策略下的实验记忆表现，最优检索出现在特定迭代次数，类似于量子搜索中的‘煮过头’与‘煮不熟’现象。

ABSTRACT

In this article we consider an experimental study showing the influence of emotion regulation strategies on human memory performance: part of such experimental results are difficult to explain within a classic cognitive allocation model. We provide a first attempt to build a model of human memory processes based on a quantum algorithm, the Grover's algorithm, which allows to search a particular item within an unsorted set of items more efficiently than any classic search algorithm. Based on Grover's algorithm paradigm, this new memory model results to have interesting features: it is an iterative process, it uses parallelism and interference effects. Moreover, the strength of such interference effects depends on a parameter of the generalized Grover's algorithm, called the phase, which admits an interpretation in terms of the emotions involved by the items and by the emotion regulation strategies. Thus we show that a reasonable choice of the phase is able to describe correctly the experimental results we consider.

研究动机与目标

• 解决经典认知资源分配模型在情绪调节对记忆影响方面存在的不一致性。
• 提出一种基于Grover搜索的量子算法框架，用于建模人类记忆过程。
• 将广义Grover算法中的相位参数解释为反映情绪对记忆检索影响的心理变量。
• 证明算法中的相位匹配条件可复现重新评估与表达性抑制条件下的实验记忆数据。
• 建立量子干涉效应与认知现象（如记忆检索中的‘煮不熟’与‘煮过头’）之间的联系。

提出的方法

• 将广义Grover算法适配为包含选择性相位旋转 $ R_{\overline{i}} $ 与 $ R_0 $ 的形式，参数化为 $ \theta $ 与 $ \varphi $，以模拟记忆检索动力学。
• 使用扩散算符 $ D = -I + 2P $，表示关于平均振幅的翻转，以模拟记忆搜索中的干涉效应。
• 将初始叠加态建模为 $ |s\rangle = \sin(\beta)|\overline{i}\rangle + \cos(\beta)|c\rangle $，其中 $ \beta = \arcsin(1/\sqrt{N}) $，以表示初始记忆状态。
• 对广义Grover算符 $ -WR_0WR_{\overline{i}} $ 执行 $ J $ 次迭代，振幅演化由 $ \sin[(2J+1)\sin(\theta/2)\beta] $ 给出，以模拟迭代式记忆检索。
• 将相位 $ \theta $ 解释为反映情绪效价或调节策略的心理参数，其中 $ \theta = \pi $ 对应标准Grover算法。
• 采用相位匹配条件 $ \theta = \varphi $ 以确保高效搜索，类比于记忆任务中最佳认知努力。

实验结果

研究问题

• RQ1 Grover的量子搜索算法能否解释在重新评估与表达性抑制等情绪调节策略下的实验记忆表现？
• RQ2 广义Grover算法中的相位参数如何对应于情绪对记忆检索的影响？
• RQ3 为何记忆检索中会出现‘煮不熟’与‘煮过头’效应？它们能否被建模为量子搜索中偏离最优迭代次数的偏差？
• RQ4 量子算法中的干涉效应能否解释人们保留的信息量多于可检索信息量的现象？
• RQ5 记忆检索的最优尝试次数是否对应于Grover算法的最优迭代次数？

主要发现

• 在相位匹配 $ \theta = \varphi $ 条件下，广义Grover算法可实现高效量子搜索，类比于在可控认知努力下实现最优记忆检索。
• 经过 $ J $ 次迭代后，目标项的振幅为 $ \sin[(2J+1)\sin(\theta/2)\beta] $，当 $ J \approx \pi\sqrt{N}/4 $ 时达到峰值，与标准Grover缩放一致。
• 迭代次数不足或过多会导致检索概率下降，从而建模了记忆实验中观察到的‘煮不熟’与‘煮过头’效应。
• 算法中的相位 $ \theta $ 可解释为反映情绪效价或调节策略的心理参数，其中 $ \theta = \pi $ 对应标准Grover算法。
• 合理选择 $ \theta $ 值（特别是接近 $ \pi $ 的值）可准确复现重新评估与抑制条件下实验记忆表现。
• 该模型解释了为何记忆检索并非总能成功：必须通过相位调节来优化干涉效应，才能从可能性的叠加态中提取出正确记忆。