DOI: https://doi.org/10.1016/j.biosystems.2025.105573
PMID: https://pubmed.ncbi.nlm.nih.gov/40889614
تاريخ النشر: 2025-08-30
المؤلف: Andrei Khrennikov وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
نظرة عامة
تناقش هذه الفقرة دمج النمذجة الشبيهة بالكم (QL) في مجالات نظرية القرار وعلم النفس المعرفي، مع تسليط الضوء على فعاليتها في معالجة التناقضات المتعلقة باتخاذ القرار والظواهر المعرفية. ومع ذلك، تشير إلى وجود فجوة كبيرة في ربط هذه النماذج بمعالجة المعلومات العصبية. تهدف الدراسة إلى سد هذه الفجوة من خلال فحص كيفية إنتاج الشبكات العصبية التذبذبية سلوكيات QL، مقترحة إطارًا جديدًا يسمى الإدراك التذبذبي الشبيه بالكم. يستلهم هذا الإطار من القدرات الحسابية للاهتزازات العصبية والحساب المستوحى من الكم (QIC)، مما يقترح وجود علاقة محتملة بين العمليات المعرفية والديناميات العصبية.
يقدم المؤلفون أربعة تخمينات تتعلق بالإدراك التذبذبي الشبيه بالكم، والتي يؤكدون أنه يمكن اختبارها تجريبيًا، على الرغم من الحاجة إلى مزيد من العمل النظري والتجريبي لتسهيل مثل هذه التحقيقات. ومن الجدير بالذكر أن أحد التخمينات يتناول مشكلة الربط من خلال استكشاف حالات QL المتشابكة الناتجة عن النشاط التذبذبي في شبكات عصبية معينة. تشير النتائج إلى طريق واعد لفهم التفاعل بين الوظائف المعرفية والآليات العصبية، مما يساهم في النقاش الأوسع حول العلاقة بين العقل والمادة.
مقدمة
تناقش مقدمة الورقة آثار ثورة المعلومات الكمومية، وخاصة تطبيقها على الدراسات المعرفية واتخاذ القرار من خلال النمذجة الشبيهة بالكم (QLM). يمتد هذا النهج بين التخصصات إلى مجالات متنوعة، بما في ذلك البيولوجيا والمالية والعلوم الاجتماعية، ويهدف إلى إعادة تفسير تناقضات نظرية القرار الكلاسيكية ونمذجة ظواهر علم النفس المعرفي. على عكس الفيزياء الحيوية الكمومية، التي تتعامل مباشرة مع العمليات الكمومية، تركز QLM على الأنظمة الكلية وتستخدم المبادئ الكمومية لوصف معالجة المعلومات دون أن تكون متجذرة في الفيزياء الكمومية. تسلط الورقة الضوء على التطبيق الناجح لـ QLM في مجالات مثل البيولوجيا الجزيئية والتشخيص الطبي للاضطرابات العصبية، مما يبرز فائدتها في فهم الظواهر المعرفية التي تكافح النظريات الكلاسيكية لشرحها.
يقترح المؤلفون إطارًا جديدًا يربط بين وظيفة الشبكات العصبية والنموذج الكمومي، تحديدًا من خلال تمثيل الحالات المعرفية كعوامل كثافة في فضاء هيلبرت المعقد. يستلهم هذا التمثيل من ديناميات الشبكات العصبية التذبذبية، وخاصة في قشرة الدماغ و الحصين، التي تظهر قدرات حسابية معززة. تهدف الورقة إلى إنشاء تمثيل شبيه بالكم لشبكات المذبذبات التوافقية، مما يربط الإدراك الشبيه بالكم بمعالجة المعلومات العصبية ويوفر أساسًا للبحث المستقبلي حول التفاعل بين الإدراك والديناميات التذبذبية ونظرية المعلومات الكمومية. كما يحدد المؤلفون تخمينات بشأن الخصائص غير الكلاسيكية للإدراك والتحديات المتعلقة بتصميم إجراءات تجريبية للتحقق من صحة هذه التخمينات.
نقاش
تناقش هذه الفقرة تطبيق النموذج الشبيه بالكم (QL) على عمليات اتخاذ القرار والحالات المعرفية، مقترحة أن الأنظمة المعرفية يمكن نمذجتها باستخدام إطار نظري كمومي. يقدم المؤلفون فضاء هيلبرت المعقد \( H \) حيث تمثل الحالات المعرفية بواسطة متجهات طبيعية أو عوامل كثافة، وتمثل الملاحظات بواسطة عوامل هيرميتية. يرسمون أوجه شبه بين النمذجة الشبيهة بالكم وتمثيلات الحقول الكهرومغناطيسية الكلاسيكية، مما يقترح أن الدماغ قد يستخدم حالات QL لمعالجة المعلومات، وهو ما يتماشى مع النظريات الناشئة التي تربط الحالات العقلية بالعمليات العصبية الفيزيولوجية.
يستكشف المؤلفون أيضًا ديناميات الشبكات التذبذبية، مشبهين الدوائر العصبية الدقيقة بالمذبذبات المترابطة. يقترحون أن التمثيل الشبيه بالكم يسمح بوصف معقد لهذه الشبكات، حيث يمكن قياس الحالات المعرفية باستخدام مصفوفات التغاير المستمدة من الحالات التذبذبية الكلاسيكية. تؤكد الفقرة على أن نموذج QL يمكن أن يعالج مشكلة الربط في علم النفس المعرفي من خلال تأطيرها كتشابك للحالات عبر الشبكات العصبية. يُقترح أن هذا التشابك يسهل دمج ميزات معرفية متنوعة، مثل الشكل واللون، في تجربة إدراكية موحدة. يخلص المؤلفون إلى أن إطار QL لا يوفر فقط أساسًا رياضيًا لفهم العمليات المعرفية، بل يقدم أيضًا رؤى حول الآليات الأساسية لاتخاذ القرار والإدراك في الدماغ.
DOI: https://doi.org/10.1016/j.biosystems.2025.105573
PMID: https://pubmed.ncbi.nlm.nih.gov/40889614
Publication Date: 2025-08-30
Author(s): Andrei Khrennikov et al.
Primary Topic: Neural dynamics and brain function
Overview
The section discusses the integration of quantum-like (QL) modeling into the fields of decision theory and cognitive psychology, highlighting its effectiveness in addressing paradoxes related to decision-making and cognitive phenomena. However, it notes a significant gap in connecting these models to neural information processing. The study aims to bridge this gap by examining how oscillatory neuronal networks can produce QL behaviors, proposing a novel framework termed QL oscillatory cognition. This framework draws inspiration from the computational capabilities of neuronal oscillations and quantum-inspired computation (QIC), suggesting a potential relationship between cognitive processes and neural dynamics.
The authors introduce four conjectures related to QL oscillatory cognition, which they assert can be empirically tested, although further theoretical and experimental work is necessary to facilitate such investigations. Notably, one conjecture addresses the binding problem through the exploration of entangled QL states generated by oscillatory activity in specific neuronal networks. The findings indicate a promising avenue for understanding the interplay between cognitive functions and neural mechanisms, contributing to the broader discourse on the relationship between mind and matter.
Introduction
The introduction of the paper discusses the implications of the quantum information revolution, particularly its application to cognitive studies and decision-making through quantum-like modeling (QLM). This interdisciplinary approach spans various fields, including biology, finance, and social sciences, and aims to reinterpret classical decision theory paradoxes and model cognitive psychology phenomena. Unlike quantum biophysics, which directly engages with quantum processes, QLM focuses on macroscopic systems and employs quantum principles to describe information processing without being rooted in quantum physics. The paper highlights the successful application of QLM in areas such as molecular biology and medical diagnostics for neurological disorders, emphasizing its utility in understanding cognitive phenomena that classical theories struggle to explain.
The authors propose a novel framework that connects neuronal network functioning with quantum formalism, specifically through the representation of cognitive states as density operators in a complex Hilbert space. This representation is inspired by the dynamics of oscillatory neuronal networks, particularly in the cerebral cortex and hippocampus, which exhibit enhanced computational abilities. The paper aims to establish a quantum-like representation for networks of harmonic oscillators, linking QL cognition with neuronal information processing and providing a foundation for future research on the interplay between cognition, oscillatory dynamics, and quantum information theory. The authors also outline conjectures regarding the non-classical properties of cognition and the challenges of designing experimental procedures to validate these conjectures.
Discussion
The section discusses the application of quantum-like (QL) formalism to decision-making processes and cognitive states, positing that cognitive systems can be modeled using a quantum-theoretical framework. The authors introduce a complex Hilbert space \( H \) where cognitive states are represented by normalized vectors or density operators, and observables are represented by Hermitian operators. They draw parallels between QL modeling and classical electromagnetic field representations, suggesting that the brain may utilize QL states for information processing, which aligns with emergentist theories linking mental states to neurophysiological processes.
The authors further explore the dynamics of oscillatory networks, likening neuronal microcircuits to coupled oscillators. They propose that the QL representation allows for a complex description of these networks, where cognitive states can be quantified using covariance matrices derived from classical oscillatory states. The section emphasizes that the QL model can address the binding problem in cognitive science by framing it as the entanglement of states across neuronal networks. This entanglement is suggested to facilitate the integration of various cognitive features, such as shape and color, into a unified perceptual experience. The authors conclude that the QL framework not only provides a mathematical basis for understanding cognitive processes but also offers insights into the underlying mechanisms of decision-making and perception in the brain.