量子科技中心_量科网

推理是一种基础性工具，广泛应用于科学发现、机器学习和日常决策领域：它描述了智能体如何通过多次测量获取部分信息，从而更新概率分布，减少对系统潜在状态的认知不足。该研究团队将推理效率定义为信息增益与累计记忆擦除成本的比值，而效率低下源于被测系统与记忆之间、或记忆与环境（噪声）之间未被利用的关联性。基于这一效率指标，研究人员对两种极限测量范式进行基准测试：迭代利用同一记忆的“串行范式”，以及同时利用多个记忆的“并行范式”。两种情况下，最小擦除成本都反映了记忆间的关联特征——串行范式体现时间关联，并行范式体现空间关联。值得注意的是，当所有系统-记忆关联都被用于推理时，即使存在噪声，两种范式都能达到相同的最小擦除成本。反之，当存在未被利用的关联（源自隐藏记忆自由度）时，并行范式表现更优。该方法提供了量化且具物理依据的评判标准，可用于比较推理策略、测定其效率，并将目标信息增益与最小熵成本相关联。