量子行走模型在序列信息传递中的创新应用：基于情感传播的认知机制解析

本文提出创新的量子行走模型（Quantum Walk Model）用于序列信息传递研究，通过量子叠加态（Quantum Superpositions）和受控幺正操作（Controlled Unitary Operations）有效捕捉情感等模糊概念的传播特性。与贝叶斯模型（Bayesian Model）相比，该框架在叙事情感传播预测中展现出更优性能，成功复现情感强度演化的非线性特征（Non-linear Relationships）和多峰分布（Multimodal Distributions）。

　　

Highlight亮点

我们提出创新的量子行走框架，通过量子叠加态和受控幺正操作，成功捕捉叙事中情感传播的独特模式。与主流贝叶斯模型相比，该框架展现出更优异的预测能力。

Serial reproduction序列信息传递

本研究聚焦心理学经典实验范式——序列信息传递任务。在该任务中，参与者像传话游戏般依次重构接收到的信息，形成传递链条。例如Xu和Griffiths(2010)研究中，参与者需要根据图片估算鱼的长度。

Bayesian model of serial reproduction序列传递的贝叶斯模型

Xu和Griffiths(2010)建立的贝叶斯模型将序列传递视为记忆重构过程，参与者通过贝叶斯规则(Bayes' Rule)将先验知识与观察噪声结合。该模型在刺激特征可量化时表现良好，但难以捕捉情感等模糊概念的语境依赖性变化。

Quantum walk model of serial reproduction序列传递的量子行走模型

量子行走模型提出革命性视角：刺激属性可以存在于多个潜在值的量子叠加态(Quantum Superpositions)中。与贝叶斯概率分布不同，量子叠加态允许属性值在测量前保持不确定状态，这种特性特别适合模拟情感等主观概念的传播。

Emotion transmissions in serial reproduction of narratives叙事中的情感传播

我们重点比较量子与贝叶斯模型在叙事情感传播中的表现。研究关注特定情感强度（如悲伤程度）在传递链条中的演化规律。选择情感传播作为切入点，因其既能体现概念模糊性，又具有重要社会意义。

Models of emotion transmissions情感传播模型

我们开发了量子与贝叶斯模型的四个对应版本。这些模型旨在预测第n+1个参与者对故事S_n+1的情感评分分布x(n+1)，基于前一个故事S_n的评分x(n)。所有模型都采用截断高斯分布来约束情感评分在[0,7]范围内。

Results and discussions结果与讨论

采用最大似然法进行模型拟合。结果显示量子模型在预测准确性和拟合优度方面显著优于贝叶斯模型，特别是在捕捉情感传播的非线性特征和多峰分布方面。量子模型成功复现了Breithaupt等(2022)关于不同情感演化路径的关键发现。

General discussion总体讨论

量子行走框架展现出强大的建模能力，其核心优势在于：1）通过量子叠加态自然表征概念的固有模糊性；2）幺正操作有效模拟信息传递中的语境依赖性变化；3）量子干涉效应能捕捉群体决策中的非经典关联。这些特性使其成为研究社会网络信息传播的理想工具。