量子科技中心_量科网

从底层描述抽象至更具解释性的高层描述（理想情况下保持因果结构），是科学实践、因果推断问题以及构建稳健高效且可解释人工智能的基础。该研究团队提出了一种将高低层模型间的抽象关系形式化为自然变换的通用框架，重点关注因果模型情形。这一框架为因果抽象提供了新的形式化定义，统一了文献中的多个概念，包括构造性因果抽象、Q-τ一致性、基于互换干预的抽象以及“分布式”因果抽象。该工作采用范畴论进行形式化表述，利用组合模型在幺半范畴、cd范畴或马尔可夫范畴中具有给定查询集和语义的一般概念，其中因果模型及其干预查询等作为特例。 该团队界定了两种基本抽象类型：向下抽象将高层查询映射至底层；向上抽象则将具体查询（如Do干预）从底层映射至高层。尽管通常呈现为后者，研究揭示了常见因果抽象本质上更宜理解为前者。该方法还引出了“组件级”抽象这一新概念——作用于模型单个组件的更强抽象形式，特别地，由此在机制层面提出了一种新颖的强化版构造性因果抽象，并证明了其特征化定理。最后，研究展示了抽象可推广至其他组合模型（包括具有量子电路实现的量子语义模型），并初步探索了量子组合电路模型与高层经典因果模型间的抽象关系，以此作为可解释量子人工智能的实现路径。