在金融领域，质量上的微小改进就可能带来巨大的价值。本研究通过使用 DisCoCat 和 QLSTM 这两种方法，对量子自然语言处理 (QNLP) 领域中的情感分析问题进行了探索，并使用一种新颖的 ChatGPT 数据生成方法进行了超过 1000 个实际句子的案例研究，发现 QLSTM 的训练速度比 DisCoCat 快得多，并且在其可用的软件实现上实现了接近经典结果的性能。

Jul, 2023

该硕士论文介绍了量子自然语言处理（QNLP）的实现细节，其中采用基于张量积的算法将表示单词含义的向量通过句子的句法结构进行组合，并应用于三种实际应用场景。

Feb, 2022

利用混合量子 - 经典机器学习算法，本文提出了一种用于情绪分析的方法，通过量子内核方法和变分量子电路分类器，结合主成分分析和 Haar 小波变换等经典降维技术，对英语和孟加拉语的两个数据集进行了评估，实验结果表明，在数据维度降低后，基于量子的混合算法表现一致且优于经典方法。

Oct, 2023

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

本研究探讨了量子计算在自然语言处理中应用的多种方法，包括基于词的分类、基于词嵌入向量的支持向量机分类以及基于二元模型的概率方法，并评估了实验结果。

Jun, 2022

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

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

使用 Hindi 的参数化量子电路，通过 Quantum Natural Language Processing (QNLP) 的方法，构建了适用于 Hindi 句子的语法和主题感知的分类器。

Dec, 2023

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