量子自然语言处理的近期进展
量子自然语言处理领域的现状和技术发展,介绍了量子设计在文本编码方面的新方法,并探讨了语言中的概念表达和场景幻觉问题与量子力学的关系。
Mar, 2024
本文介绍了使用嘈杂的中尺度量子设备进行自然语言处理(NLP)和过程生成的应用,探索设计用于句子生成的混合量子 - 经典算法,并提出实现及其在模拟和真实量子硬件上的成功应用,同时引入必要的 NLP 和量子计算背景知识。
Nov, 2022
本研究在噪声中间规模量子(NISQ)设备上探索了使用量子自然语言处理算法进行语言翻译的可行性。我们采用香农熵来展示旋转门的适当角度在参数化量子电路性能中的重要作用,并利用这些角度(参数)作为不同语言的量子电路之间的通信方式,最终通过经典神经网络的编码器 - 解码器模型和长短期记忆(LSTM)的翻译任务实现了量子神经机器翻译,该翻译方法相对于经典方法具有潜在优势。在 160 个样本的实验中,我们使用了三种优化器训练模型,并通过使用 Adam 优化器训练具有两个 LSTM 层的最佳模型获得了最佳结果,其平均绝对误差为 0.03,均方误差为 0.002,损失为 0.016。我们的研究结果表明,尽管使用简单的同义句进行训练,但 Shannon 熵在处理复杂句子结构的更复杂机器翻译模型中具有一定的实用性。
Jul, 2023
提供近期量子自然语言处理的基本概念和数学基础,在量子计算机科学家友好的术语下详细介绍了最新领域的理论发展,并引用了支持实证证据和数学广义性的参考文献,在量子模型中结合了语言意义和语法,利用 Noisy Intermediate-Scale Quantum 范例为编码语言结构提供了方便,最终在 Diagrammatic Reasoning 框架下,实现了语言与量子计算机之间的相互转换。
Dec, 2020
本研究探讨使用量子计算与预训练模型结合的经典 - 量子转移学习方法在自然语言处理上的效果,提出了一种基于复数 BERT 的句子状态预训练方法,并应用于经典 - 量子转移学习中进行句子分类,取得末端量子模型性能 50% 到 60% 的提升。
Feb, 2023
本文介绍了一种针对近期量子计算机运行的自然语言处理全栈流程 ——QNLP,该流程中所采用的语言模型框架为组合密度语义学(DisCoCat),它扩展和补充了预组语法的组合结构;我们将 DisCoCat 图解释作于近期的量子线路映射,为量子技术运用于自然语言处理开拓了道路。
May, 2020
研究人员使用 DisCoCat 模型设计了一种基于量子计算机实现的支持向量机(SVM)的量子内核函数,该函数可以用于 NLP 任务并使用两种相似性度量来训练单词嵌入,结果表明第二种方法的测试精度最高,并且经 SWAP 测试后具有鲁棒性,有助于进一步研究我们提出的基于内核的 QNLP 范式。
May, 2022
本文介绍了量子自然语言处理(QNLP)技术在情感分析中的应用,使用了 lambeq QNLP 工具包和 Cambridge Quantum(Quantinuum)的 $t|ket>$ 来实现,针对三种不同类型的模拟实现了完美的测试集准确性并在噪声量子装置上实现了尚可的准确性。
May, 2023
本研究提出了一种基于量子自然语言处理 (QNLP) 的方法,用于构建量子机器学习模型,该模型可以将 SQL 查询按照执行时间和基数进行分类。该模型与现有的 QNLP 模型在分类任务中具有类似的准确性,实验结果表明,QNLP 模型可以成功应用于不属于 QNLP 领域的问题。本文还分析了该量子机器学习模型的表达能力和纠缠能力直方图,结果表明其具有适宜的表达能力和纠缠能力,足以在量子硬件上执行。
Jun, 2023