テンソルネットワークによる子どもの感情記憶のモデル化
本研究は、感情価が子どもの認識記憶の順序依存構造にどのように影響するかを示しています。感情的に価値付けられたおもちゃの系列を正しく思い出すことは、個々のおもちゃの感情価だけでなく、その前後に提示されたおもちゃの感情価にも依存していました。標準的な心理モデルの精度は低いのに対し、感情価を考慮した古典的テンソルネットワークモデルは77.98%の精度を達成し、感情記憶のような順序依存現象をモデル化するための量子インスパイア手法の価値を示しています。また、子どもの感情的時間記憶を探るための新しいプロトコルを導入しています。
新しい研究では、テンソルネットワークモデルを用いて子どもの感情記憶の順序依存構造をシミュレーションすることに成功しました。この研究はHenry Grovesらによって行われ、プレプリントサーバーarXivに2026年6月26日付で投稿されました（論文番号：2606.28470）。研究チームは、感情価（ポジティブまたはネガティブ）が子どもの一連のおもちゃの認識記憶にどのように影響するかを調べる実験を実施しました。その結果、おもちゃを正しく思い出す確率は、そのおもちゃ自体の感情価だけでなく、その前後に提示されたおもちゃの感情価にも強く依存することが明らかになりました。例えば、中性のおもちゃが二つのポジティブなおもちゃの間に提示されると想起率が上がり、逆にネガティブなおもちゃの間に提示されると下がる傾向が見られました。
従来の心理モデルは、記憶の順序依存性がイベント間で異なることを確認できるものの、精度が低く、感情対象がセット内の他の記憶に与える影響を十分に反映できませんでした。この問題を解決するために、研究者は各おもちゃの感情価を要素として考慮した古典的なテンソルネットワークモデルを採用しました。モデルは感情価間の相互作用を学習し、実験結果を77.98%の精度で再現することに成功しました。この精度は従来のモデルを大幅に上回るものです。このモデルは厳密には「量子認知」モデルではありませんが、精度の大幅な向上は、量子インスパイア手法が感情記憶のような順序依存現象のモデル化に有効であることを示しています。
さらに、この研究で導入されたタスクプロトコルは、子どもの感情的時間記憶を探るための新しい実用的ツールを提供します。このプロトコルでは、感情価を持ったおもちゃの系列を提示し、子どもの想起パフォーマンスを記録することで、古典的および量子ライクな認知モデルの分析に適したデータセットを生成します。このツールは、子どもの感情記憶メカニズムの理解を深めるだけでなく、人工知能研究に新たな視点をもたらします。研究者らは、量子インスパイア手法の成功が、特に複雑な順序依存タスクにおいて、より精密な認知モデルの開発への道を開く可能性があると述べています。論文は26ページと9つの図から構成され、実験デザイン、モデル構築、結果分析の詳細が記載されています。
要約すると、この研究は子どもの感情記憶の理解を深めるとともに、機械学習と量子物理学のアイデアを組み合わせた学際的アプローチの認知科学における価値を示しました。今後の研究の進展により、より正確な認知モデルが登場し、人工知能と心理学の発展に貢献することが期待されます。