論文の概要: Quantum Language Model with Entanglement Embedding for Question Answering

• arxiv url: http://arxiv.org/abs/2008.09943v3
• Date: Mon, 20 Dec 2021 12:01:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 02:35:43.225039
• Title: Quantum Language Model with Entanglement Embedding for Question Answering
• Title（参考訳）: 質問応答のための絡み付き量子言語モデル
• Authors: Yiwei Chen, Yu Pan, Daoyi Dong
• Abstract要約: セメムの量子重ね合わせとして単語をモデル化する量子言語モデル(QLMs)は、高いレベルのモデルの透明性と、ポストホックな解釈可能性を示している。 本稿では,新しいエンタングルメント・エンベディング(EE)モジュールを用いたニューラルネットワークモデルを提案する。
• 参考スコア（独自算出の注目度）: 7.398550174147092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum Language Models (QLMs) in which words are modelled as quantum superposition of sememes have demonstrated a high level of model transparency and good post-hoc interpretability. Nevertheless, in the current literature word sequences are basically modelled as a classical mixture of word states, which cannot fully exploit the potential of a quantum probabilistic description. A full quantum model is yet to be developed to explicitly capture the non-classical correlations within the word sequences. We propose a neural network model with a novel Entanglement Embedding (EE) module, whose function is to transform the word sequences into entangled pure states of many-body quantum systems. Strong quantum entanglement, which is the central concept of quantum information and an indication of parallelized correlations among the words, is observed within the word sequences. Numerical experiments show that the proposed QLM with EE (QLM-EE) achieves superior performance compared with the classical deep neural network models and other QLMs on Question Answering (QA) datasets. In addition, the post-hoc interpretability of the model can be improved by quantizing the degree of entanglement among the words.
• Abstract（参考訳）: セメムの量子重ね合わせとして単語をモデル化する量子言語モデル(QLMs)は、高いレベルのモデルの透明性と、ポストホックな解釈可能性を示している。 しかしながら、現在の文献では、ワード列は基本的に古典的な単語状態の混合としてモデル化されており、量子確率的記述のポテンシャルを完全に活用することはできない。 完全な量子モデルはまだ、単語列内の非古典的相関を明示的に捉えるために開発されていない。 本稿では,多体量子システムの絡み合った純粋状態へと単語列を変換する機能を持つ,新しい絡み合い埋め込み(ee)モジュールを用いたニューラルネットワークモデルを提案する。 量子情報の中心的な概念であり、単語間の並列化相関を示す強い量子絡み合いが単語列内で観察される。 数値実験により、提案したQLM with EE (QLM-EE) は、古典的なディープニューラルネットワークモデルや他のQLM on Question Answering (QA)データセットと比較すると、優れた性能を発揮することが示された。 さらに、単語間の絡み合いの度合いを定量化することにより、モデルのホック後解釈性を向上させることができる。

関連論文リスト

• Explicit quantum surrogates for quantum kernel models [0.6834295298053009]
  暗黙的モデルの明示的量子サロゲート(EQS)を作成するための量子古典ハイブリッドアルゴリズムを提案する。 これには、暗黙のモデルから観測可能なものを対角化し、対応する量子回路を構築することが含まれる。 EQSフレームワークは予測コストを削減し、不毛の高原問題を軽減し、両方のQMLアプローチの長所を組み合わせる。
  論文  参考訳（メタデータ） (2024-08-06T07:15:45Z)
• Ground state-based quantum feature maps [17.857341127079305]
  パラメータ化ハミルトンの基底状態の合成に基づく量子データ埋め込みプロトコルを提案する。 基底状態の埋め込みは、量子ビットの数で急速に増加するスペクトルで効果的に記述できることを示す。
  論文  参考訳（メタデータ） (2024-04-10T17:17:05Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Quantum variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
  本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。 提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
  論文  参考訳（メタデータ） (2022-05-05T03:49:19Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Foundations for Near-Term Quantum Natural Language Processing [0.17205106391379021]
  量子自然言語処理(QNLP)の概念と数学的基礎を提供する。 自然言語の量子モデルがどのように言語的意味と豊かな言語構造を正準的に組み合わせているかを思い出す。 実証的エビデンスと数学一般性に関する正式な記述を支援するための参照を提供します。
  論文  参考訳（メタデータ） (2020-12-07T14:49:33Z)
• Attention-based Quantum Tomography [9.818293236208413]
  Attention-based Quantum Tomography は、アテンション機構に基づく生成ネットワークを用いた量子状態再構成である。 AQTは、IBMQ量子コンピュータで実験的に実現されたノイズ量子状態に関連する密度行列を正確に再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-22T17:50:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。