Quantum-JEPA: Quantum Born Priors for Latent-Action JEPA World Models
Pubblicata su AIChronos il · fonte del · Zhiyuan Liu, Sicheng Liu, Haiyu Wu
Il documento introduce Quantum-JEPA, un framework basato su modelli JEPA latenti per azioni che utilizza prior quantistici di Born condizionali. Questo approccio genera distribuzioni di rappresentazioni future attraverso misurazioni circuitali binarie mappate da predittori condivisi. Il modello viene addestrato tramite un obiettivo energetico campionario per apprendere continuazioni distinte e correlazioni latenti in compiti multimodali. I risultati dimostrano una migliore validità delle previsioni e fedeltà distribuzionale rispetto alle basi variazionali classiche, convalidando anche l'inferenza su QPU reali.
- Utilizzo di prior quantistici per generare distribuzioni future evitando strati categoriali esponenzialmente grandi.
- Generazione di percorsi multipli (es. attraversamento ostacoli) da un punto iniziale comune senza osservazione del moto.
- Supporto a correlazioni latenti che abilitano scenari coordinati per agenti multipli.
- Validità dell'addestramento con rumore di lettura e verifica della fattibilità su QPU reali oltre alle simulazioni.
- Miglioramento della fedeltà distribuzionale rispetto ai baseline variazionali classici.
Perché conta. Offre una via per ridurre la complessità computazionale nei modelli di world modeling tramite strutture efficienti nel campionamento dei parametri. Permette l'integrazione di componenti quantistici addestrabili in pipeline JEPA esistenti, potenzialmente migliorando la gestione dell'incertezza nelle previsioni future.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.