[论文解读] Category theoretic foundation of single-photon-based decision making

Makoto Naruse, Song-Ju Kim+5 more|arXiv (Cornell University)|Feb 26, 2016

Neural Networks and Reservoir Computing参考文献 31被引用 5

一句话总结

本文为基于单光子的决策建立了一个范畴论基础，证明了三角范畴中的正八面体结构与辫子结构可提供一种数学上严格且简化的框架，用于建模不确定环境下的动态决策。该模型在多臂赌博机问题上与实验结果达到定量一致，为机器学习与人工智能设计提供了新颖的理论基础。

ABSTRACT

Decision making is a vital function in the age of machine learning and artificial intelligence; however, its physical realizations and their theoretical fundamentals are not yet known. In our former study, we demonstrated that single photons can be used to make decisions in uncertain, dynamically changing environments. The multi-armed bandit problem was successfully solved using the dual probabilistic and particle attributes of single photons. Herein, we revolutionize how decision making is comprehended via a category theoretic viewpoint; we present the category theoretic foundation of the single-photon-based decision making, including quantitative analysis that agrees well with the experimental results. The category theoretic model unveils complex interdependencies of the entities of the subject matter in the most simplified manner, including a dynamically changing environment. In particular, the octahedral structure and the braid structure in triangulated categories provide clear understandings and quantitative metrics of the underlying mechanisms for the single-photon decision maker. This is the first demonstration of a category theoretic interpretation of decision making, and provides a solid understanding and a design fundamental for machine learning and artificial intelligence.

研究动机与目标

• 利用范畴论为基于单光子的决策建立理论基础。
• 通过范畴结构对动态不确定环境中的复杂依赖关系进行建模。
• 提供一个统一的数学框架，以解释单光子决策系统的基本机制。
• 基于物理的量子决策过程，建立机器学习与人工智能设计的原则。
• 证明范畴论模型与多臂赌博机问题实验结果之间的定量一致性。

提出的方法

• 作者采用三角范畴来建模决策过程，利用其内在的代数与拓扑性质。
• 利用三角范畴中的正八面体结构与辫子结构，表示并分析决策实体之间的动态相互作用。
• 将单光子的双重概率性与粒子性特性整合进范畴形式化体系。
• 从范畴结构中推导出定量指标，以预测不确定环境中决策的表现。
• 通过将模型预测与先前关于单光子赌博机学习的实验结果进行比较，对框架进行验证。
• 应用范畴论将决策过程抽象为普遍态射与交换图，从而简化复杂的依赖关系。

实验结果

研究问题

• RQ1 范畴论如何为基于单光子的决策提供基础框架？
• RQ2 哪些范畴结构支撑了不确定、变化环境中的动态依赖关系？
• RQ3 三角范畴中的正八面体结构与辫子结构如何促进对单光子决策系统机制的理解？
• RQ4 范畴论模型能否定量再现单光子决策实验的实验结果？
• RQ5 在形式化的数学结构中，单光子行为的对偶性在决策中的作用是什么？

主要发现

• 范畴论模型成功捕捉了在不确定、变化环境中单光子决策的动力学特性。
• 三角范畴中的正八面体结构与辫子结构为底层决策机制提供了清晰且可解释的度量。
• 该模型与先前单光子赌博机学习研究的实验结果达到高度定量一致。
• 这是范畴论首次应用于决策研究，为量子启发的人工智能建立了新的理论基础。
• 该框架揭示了决策系统中各实体之间的深层结构关系，通过抽象的范畴关系简化了复杂的依赖。
• 该方法为未来基于物理量子过程的机器学习与人工智能系统设计提供了新原则。