Extending the ALCOVE model of category learning to featural stimulus domains

The ALCOVE model of category learning, despite its considerable success in accounting for human performance across a wide range of empirical tasks, is limited by its reliance on spatial stimulus representations. Some stimulus domains are better suited to featural representation, characterizing stimuli in terms of the presence or absence of discrete features, rather than as points in a multidimensional space. We report on empirical data measuring human categorization performance across a featural stimulus domain and show that ALCOVE is unable to capture fundamental qualitative aspects of this performance. In response, a featural version of the ALCOVE model is developed, replacing the spatial stimulus representations that are usually generated by multidimensional scaling with featural representations generated by additive clustering. We demonstrate that this featural version of ALCOVE is able to capture human performance where the spatial model failed, explaining the difference in terms of the contrasting representational assumptions made by the two approaches. Finally, we discuss ways in which the ALCOVE categorization model might be extended further to use “hybrid” representational structures combining spatial and featural components.

A uniform realization of the combinatorial $R$-matrix

International audience Kirillov-Reshetikhin (KR) crystals are colored directed graphs encoding the structure of certain finite-dimensional representations of affine Lie algebras. A tensor product of column shape KR crystals has recently been realized in a uniform way, for all untwisted affine types, in terms of the quantum alcove model. We enhance this model by using it to give a uniform realization of the combinatorial $R$-matrix, i.e., the unique affine crystal isomorphism permuting factors in a tensor product of KR crystals. In other words, we are generalizing to all Lie types Schützenberger’s sliding game (jeu de taquin) for Young tableaux, which realizes the combinatorial $R$-matrix in type $A$. We also show that the quantum alcove model does not depend on the choice of a sequence of alcoves Les cristaux de Kirillov–Reshetikhin (KR) sont des graphes orientés avec des arêtes étiquetées qui encodent certaines représentations de dimension finie des algèbres de Lie affines. Les produits tensoriels des cristaux KR de type colonne ont été récemment réalisés de manière uniforme, pour tous les types affines symétriques, en termes du modèle des alcôves quantique. Nous enrichissons ce modèle en l’utilisant pour donner une réalisation uniforme de la $R$-matrice combinatoire, c’est à dire, l’isomorphisme des cristaux affines unique quit permute les facteurs dans un produit tensoriel des cristaux KR. En d’autres termes, nous généralisons pour tous les types de Lie le jeu de taquin de Schützenberger sur les tableaux de Young, qui réalise la $R$-matrice combinatoire dans le type $A$. Nous montrons aussi que le modèle des alcôves quantique ne dépend pas du choix d’une suite d’alcôves.

A generalization of the alcove model and its applications

International audience The alcove model of the first author and Postnikov describes highest weight crystals of semisimple Lie algebras. We present a generalization, called the quantum alcove model, and conjecture that it uniformly describes tensor products of column shape Kirillov-Reshetikhin crystals, for all untwisted affine types. We prove the conjecture in types $A$ and $C$. We also present evidence for the fact that a related statistic computes the energy function. Le modèle des alcôves du premier auteur et Postnikov décrit les cristaux de plus haut poids des algèbres de Lie semi-simples. Nous présentons une généralisation, appelée le modèle des alcôves quantique, et nous conjecturons qu’il décrit dans une manière uniforme les produits tensoriels des cristaux de Kirillov-Reshetikhin de type colonne, pour toutes les types affines symétriques. Nous prouvons la conjecture dans les types $A$ et $C$. Nous fournissons aussi des preuves qu’une statistique associée donne la fonction d’énergie.