論文の概要: Grammar-Aware Question-Answering on Quantum Computers
- arxiv url: http://arxiv.org/abs/2012.03756v1
- Date: Mon, 7 Dec 2020 14:49:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:10:27.741763
- Title: Grammar-Aware Question-Answering on Quantum Computers
- Title（参考訳）: 文法を意識した量子コンピュータの質問応答
- Authors: Konstantinos Meichanetzidis, Alexis Toumi, Giovanni de Felice, Bob
Coecke
- Abstract要約: ノイズの多い中間スケール量子(NISQ)ハードウェア上でNLPタスクの最初の実装を行う。
我々は量子状態においてワード平均を符号化し、文法構造を明示的に考慮する。
我々の新しいQNLPモデルは、量子ハードウェアの品質が向上するにつれて、スケーラビリティの具体的な約束を示す。
- 参考スコア（独自算出の注目度）: 0.17205106391379021
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural language processing (NLP) is at the forefront of great advances in
contemporary AI, and it is arguably one of the most challenging areas of the
field. At the same time, with the steady growth of quantum hardware and notable
improvements towards implementations of quantum algorithms, we are approaching
an era when quantum computers perform tasks that cannot be done on classical
computers with a reasonable amount of resources. This provides a new range of
opportunities for AI, and for NLP specifically. Earlier work has already
demonstrated a potential quantum advantage for NLP in a number of manners: (i)
algorithmic speedups for search-related or classification tasks, which are the
most dominant tasks within NLP, (ii) exponentially large quantum state spaces
allow for accommodating complex linguistic structures, (iii) novel models of
meaning employing density matrices naturally model linguistic phenomena such as
hyponymy and linguistic ambiguity, among others. In this work, we perform the
first implementation of an NLP task on noisy intermediate-scale quantum (NISQ)
hardware. Sentences are instantiated as parameterised quantum circuits. We
encode word-meanings in quantum states and we explicitly account for
grammatical structure, which even in mainstream NLP is not commonplace, by
faithfully hard-wiring it as entangling operations. This makes our approach to
quantum natural language processing (QNLP) particularly NISQ-friendly. Our
novel QNLP model shows concrete promise for scalability as the quality of the
quantum hardware improves in the near future.
- Abstract（参考訳）: 自然言語処理(NLP)は、現代AIにおける大きな進歩の最前線にあり、間違いなくこの分野における最も困難な分野の1つである。
同時に、量子ハードウェアの安定した成長と量子アルゴリズムの実装への顕著な改善により、量子コンピュータが適切な量のリソースを持つ古典的コンピュータでは実行できないタスクを実行する時代が近づいている。
これにより、AI、特にNLPに新たな機会が提供される。
i) nlp内でもっとも支配的なタスクである検索関連タスクや分類タスクのアルゴリズムによる高速化(ii) 指数関数的に大きな量子状態空間(英語版) 複雑な言語構造への適応を可能にする(iii) 密度行列を用いる意味の新しいモデル 自然に低調や言語曖昧性などの言語現象をモデル化する。
本研究では,ノイズの多い中間規模量子(NISQ)ハードウェア上でNLPタスクを最初に実装する。
文はパラメータ化された量子回路としてインスタンス化される。
量子状態においてワード平均を符号化し、主流nlpでも一般的ではない文法構造を忠実に絡み合う演算としてハードワイリングすることで明示的に説明する。
これにより、量子自然言語処理(QNLP)、特にNISQに親しむことができる。
新しいqnlpモデルでは,量子ハードウェアの品質が近い将来向上するにつれて,スケーラビリティへの具体的な期待を示す。
関連論文リスト
- A Quantum-Inspired Analysis of Human Disambiguation Processes [0.0]
この論文では、基礎量子力学から生じる形式主義を言語学から生じるあいまいさの研究に適用する。
その後、人間の行動予測や現在のNLP法よりも優れた結果が得られた。
論文 参考訳（メタデータ） (2024-08-14T09:21:23Z) - Quantum Algorithms for Compositional Text Processing [1.3654846342364308]
本稿では、最近提案された自然言語用DisCoCircフレームワークに注目し、量子適応QDisCoCircを提案する。
これはAI解釈可能なレンダリングに対する構成的アプローチによって動機付けられている。
テキスト類似性のモデルネイティブな原始演算に対しては、フォールトトレラントな量子コンピュータのための量子アルゴリズムを導出する。
論文 参考訳（メタデータ） (2024-08-12T11:21:40Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - 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 Self-Attention Neural Networks for Text Classification [8.975913540662441]
量子自己アテンションニューラルネットワーク(QSANN)と呼ばれる,新しいシンプルなネットワークアーキテクチャを提案する。
本稿では,量子ニューラルネットワークに自己アテンション機構を導入し,ガウス射影量子自己アテンションを自己アテンションの有感な量子バージョンとして活用する。
提案手法は低レベル量子雑音に対するロバスト性を示し,量子ニューラルネットワークアーキテクチャに対するレジリエンスを示す。
論文 参考訳（メタデータ） (2022-05-11T16:50:46Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - 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) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z) - 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。