量子大脑-Deep Teleportation：量子电路模拟意识报告

注意瞬脱：意识研究中的经典难题

想象一下：你在看一连串快速闪过的图片，其中两个位置藏着你需要记住的目标（T1和T2）。当T1和T2间隔太短时，你会错过T2——这就是著名的注意瞬脱（Attentional Blink）现象。

奇怪的是，lag-1时反而能报告T2（Lag-1 Sparing）：当T2紧跟在T1之后时，你还能抓住它；但再久一点就完全”看不见”了。这种非线性的人类反应模式，经典模型一直拟合不好。

arXiv:2512.18585 提出了一种新方法：用量子纠缠电路来模拟这个现象。

Deep Teleportation Channel：三量子比特纠缠Ansatz

论文的核心是用一个三量子比特的纠缠ansatz电路来模拟意识报告过程：

1
2
3
4
5

电路架构：deep teleportation channel
- 三个量子比特纠缠
- mask刺激编码为随机角度旋转
- 测量结果作为经典概率输出
- 输出接入简单线性神经网络

不同于传统的EPR纠缠通道，这里用的是”深度远程传送通道”——这让模型能够捕捉时间动态。

核心结果：成功复现三个人类现象

1. Lag-1 Sparing：T2紧跟T1时反而能报告（非线性！）

2. Lag-7 Divergence：长间隔后的发散行为

3. Masking Effect：掩蔽刺激的效应

最终产生了一个非线性交替状态模式，与人眼数据高度吻合。

为什么重要

这是量子认知模型直接模拟意识报告现象的成功案例。之前的量子认知多用于视觉或推理，这次是少数直接针对”意识本身”的建模尝试。

关键技术点

• 三比特纠缠：比双比特EPR更强大的表示能力
• 混合架构：量子电路 + 经典神经网络
• 时间动态：通过随机角度旋转编码时间结构

开放问题

论文本身也留下了几个值得思考的问题：

1. 生物实现：三比特纠缠在生物系统中如何实现？微管？神经元网络？
2. 混合模型的哲学问题：量子测量结果→经典神经网络，这是”真正的”量子意识还是混合模型？
3. Lag-1 Sparing的量子解释：纠缠态的相长干涉？

引用

Deep Teleportation: Quantum Simulation of Conscious Report in Attentional Blink
Ahmad Sohrabi (Carleton University)
arXiv:2512.18585v2 | q-bio.NC
发表于：Cognitive Systems Research (under review)

相关研究：IRAM-Omega-Q 用密度矩阵描述AI不确定性调控；时间编码量子光子神经网络QPNN 为大规模量子神经形态计算提供可扩展路径。