Fugu-MT 論文翻訳(概要): Quantum Transfer Learning for Acceptability Judgements

論文の概要: Quantum Transfer Learning for Acceptability Judgements

arxiv url: http://arxiv.org/abs/2401.07777v1
Date: Mon, 15 Jan 2024 15:40:16 GMT
ステータス: 処理完了
システム内更新日: 2024-01-17 16:34:15.357254
Title: Quantum Transfer Learning for Acceptability Judgements
Title（参考訳）: アクセプタビリティ判断のための量子伝達学習
Authors: Giuseppe Buonaiuto, Raffaele Guarasci, Aniello Minutolo, Giuseppe De Pietro, Massimo Esposito
Abstract要約: この研究は、大規模言語モデルから抽出されたベクトルを埋め込んだ量子移動学習アルゴリズムの潜在的な利点を示す。このアプローチは、ItaCoLaから抽出された文でテストされている。評価フェーズは、最先端の古典的トランスファー学習アルゴリズムに匹敵する量子トランスファー学習パイプラインの結果を示す。
参考スコア（独自算出の注目度）: 5.90817406672742
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hybrid quantum-classical classifiers promise to positively impact critical aspects of natural language processing tasks, particularly classification-related ones. Among the possibilities currently investigated, quantum transfer learning, i.e., using a quantum circuit for fine-tuning pre-trained classical models for a specific task, is attracting significant attention as a potential platform for proving quantum advantage. This work shows potential advantages, both in terms of performance and expressiveness, of quantum transfer learning algorithms trained on embedding vectors extracted from a large language model to perform classification on a classical Linguistics task: acceptability judgments. Acceptability judgment is the ability to determine whether a sentence is considered natural and well-formed by a native speaker. The approach has been tested on sentences extracted from ItaCoLa, a corpus that collects Italian sentences labeled with their acceptability judgment. The evaluation phase shows results for the quantum transfer learning pipeline comparable to state-of-the-art classical transfer learning algorithms, proving current quantum computers' capabilities to tackle NLP tasks for ready-to-use applications. Furthermore, a qualitative linguistic analysis, aided by explainable AI methods, reveals the capabilities of quantum transfer learning algorithms to correctly classify complex and more structured sentences, compared to their classical counterpart. This finding sets the ground for a quantifiable quantum advantage in NLP in the near future.
Abstract（参考訳）: ハイブリッド量子古典型分類器は自然言語処理タスク、特に分類関連タスクの重要な側面に積極的に影響を与えることを約束している。現在検討されている可能性のうち、量子転送学習(量子回路)は、特定のタスクのために訓練済みの古典的モデルを微調整するために用いられる。本研究は,大規模言語モデルから抽出した埋め込みベクトルに基づいて学習した量子伝達学習アルゴリズムの性能と表現力の両面から,古典言語課題の分類を行うための潜在的利点を示す。受容性判断 (acceptability judgment) とは、母国語話者が文を自然と見なすかどうかを判断する能力である。このアプローチは、受け入れ判断でラベルづけされたイタリア語の文章を収集するコーパスであるitacolaから抽出された文でテストされている。評価フェーズは、最先端の古典的転送学習アルゴリズムに匹敵する量子転送学習パイプラインの結果を示し、現在の量子コンピュータのnlpタスクに取り組む能力を証明する。さらに、説明可能なAI手法によって支援された定性的な言語分析は、量子トランスファー学習アルゴリズムが、古典的な文に比べて複雑でより構造化された文を正しく分類する能力を明らかにする。この発見は、近い将来、NLPにおける量子量的な量子優位性の基礎となる。

関連論文リスト

A Few Shot Learning Scheme for Quantum Natural Language Processing [0.0]
我々は,量子自然言語処理のためのFew Shot Learningを実装するフレームワークを開発した。このフレームワークは、各呼び出しから量子システムへの有用な処理を抽出する際の、その振る舞いとその能力を調べるためにテストに置かれる。
論文参考訳（メタデータ） (2024-09-18T16:24:51Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
論文参考訳（メタデータ） (2024-05-12T09:05:13Z)
Classical Verification of Quantum Learning [42.362388367152256]
量子学習の古典的検証のための枠組みを開発する。そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
論文参考訳（メタデータ） (2023-06-08T00:31:27Z)
Adapting Pre-trained Language Models for Quantum Natural Language Processing [33.86835690434712]
事前学習された表現は、エンドツーエンドの量子モデルの容量を50%から60%増加させることができることを示す。量子シミュレーション実験では、事前訓練された表現は、エンドツーエンドの量子モデルの容量を50%から60%増加させることができる。
論文参考訳（メタデータ） (2023-02-24T14:59:02Z)
A Survey on Quantum Reinforcement Learning [2.5882725323376112]
量子強化学習は、量子コンピューティングと機械学習の交差する分野である。既に利用可能なノイズの多い中間スケール量子デバイスに焦点を合わせ、それらは関数近似器として機能する変分量子回路を含む。さらに、将来のフォールトトレラントハードウェアに基づく量子強化学習アルゴリズムを調査し、その一部は証明可能な量子優位性を持つ。
論文参考訳（メタデータ） (2022-11-07T11:25:47Z)
Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。予測の利点を生かして、新しいタイプの量子測度がもたらされる。予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文参考訳（メタデータ） (2022-09-12T15:47:44Z)
Implementation and Empirical Evaluation of a Quantum Machine Learning Pipeline for Local Classification [0.0]
本稿では,ローカル分類のためのQMLパイプラインのPython実装について述べる。具体的には、量子k-NNと量子二項分類器からなる。その結果、量子パイプラインは(正確性の観点から)理想の場合の古典的な等価性を示している。
論文参考訳（メタデータ） (2022-05-11T08:18:57Z)
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)
When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文参考訳（メタデータ） (2022-02-17T09:55:21Z)
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)

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。