예측 가능한 잠재적 동역학을 위한 양자 구조 기반 세계 모델 (Quantum-Structured World Models, QSWMs)

Quantum-Structured World Models (QSWMs) for Predictive Latent Dynamics

세계 모델은 상호 작용 기록을 요약하고 시간이 지남에 따라 진화하며 예측, 시뮬레이션 또는 계획을 지원하는 잠재 상태를 학습합니다. 대부분의 기존 세계 모델은 이러한 상태를 고전 벡터, 확률 분포, 순환 은닉 상태 또는 트랜스포머 활성화 값으로 표현합니다. 본 논문에서는 구조화된 잠재 상태, 잠재적 전이 연산자 및 측정에 영감을 받은 디코딩 맵을 갖춘 예측 세계 모델링을 위한 양자 기반 프레임워크인 양자 구조 기반 세계 모델 (QSWMs)을 소개합니다. 우리는 복소수 표현과 밀도 행렬과 유사한 잠재 변수와 같은 양자 이론에서 영감을 받은 수학적 구조가 세계 모델링에 유용한 귀납 편향을 제공하는지 연구합니다. 우리는 고전 포함, 예측 적합성 및 구조적 압축의 세 가지 기본 속성을 확립했습니다. 그런 다음 복소수 기반 및 밀도 행렬 기반 QSWM 변형을 구현하고 간단한 셀룰러 오토마타에 대해 강력한 고전 기준과 비교하여 평가했습니다. 결과는 복소수 기반 QSWM이 유망한 예측 성능을 보이지만, 장기적인 시뮬레이션에서 밀도 행렬 기반 변형은 한계가 있음을 보여줍니다.

World models learn latent states that summarize interaction histories, evolve over time, and support prediction, simulation, or planning. Most existing world models represent these states using classical vectors, probability distributions, recurrent hidden states, or transformer activations. In this paper, we introduce Quantum-Structured World Models (QSWMs), a quantum-inspired framework for predictive world modeling with structured latent states, latent transition operators, and measurement-inspired decoding maps. We study whether mathematical structures inspired by quantum theory, such as complex-valued representations and density-matrix-like latents, provide useful inductive biases for world modeling. We establish three foundational properties: classical inclusion, predictive sufficiency, and structured compactness. We then instantiate complex-valued and density-matrix-like QSWM variants and evaluate them on elementary cellular automata against strong classical baselines. Results show promising local predictive potential for complex-valued QSWMs, while also revealing limitations in long-horizon rollout, density-matrix variants