論文の概要: Quantum Algorithms for Compositional Text Processing
- arxiv url: http://arxiv.org/abs/2408.06061v1
- Date: Mon, 12 Aug 2024 11:21:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 13:23:51.969195
- Title: Quantum Algorithms for Compositional Text Processing
- Title（参考訳）: 合成テキスト処理のための量子アルゴリズム
- Authors: Tuomas Laakkonen, Konstantinos Meichanetzidis, Bob Coecke,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.3654846342364308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computing and AI have found a fruitful intersection in the field of natural language processing. We focus on the recently proposed DisCoCirc framework for natural language, and propose a quantum adaptation, QDisCoCirc. This is motivated by a compositional approach to rendering AI interpretable: the behavior of the whole can be understood in terms of the behavior of parts, and the way they are put together. For the model-native primitive operation of text similarity, we derive quantum algorithms for fault-tolerant quantum computers to solve the task of question-answering within QDisCoCirc, and show that this is BQP-hard; note that we do not consider the complexity of question-answering in other natural language processing models. Assuming widely-held conjectures, implementing the proposed model classically would require super-polynomial resources. Therefore, it could provide a meaningful demonstration of the power of practical quantum processors. The model construction builds on previous work in compositional quantum natural language processing. Word embeddings are encoded as parameterized quantum circuits, and compositionality here means that the quantum circuits compose according to the linguistic structure of the text. We outline a method for evaluating the model on near-term quantum processors, and elsewhere we report on a recent implementation of this on quantum hardware. In addition, we adapt a quantum algorithm for the closest vector problem to obtain a Grover-like speedup in the fault-tolerant regime for our model. This provides an unconditional quadratic speedup over any classical algorithm in certain circumstances, which we will verify empirically in future work.
- Abstract（参考訳）: 量子コンピューティングとAIは、自然言語処理の分野で実りある交差点を発見した。
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を解釈可能なものにするための構成的アプローチによって動機付けられている:全体の振る舞いは、部品の振る舞いとそれらが組み立てられる方法の観点から理解することができる。
テキスト類似性のモデルネイティブなプリミティブ演算では、QDisCoCirc内での質問応答の問題を解くためにフォールトトレラント量子コンピュータの量子アルゴリズムを導出し、これがBQPハードであることを示し、他の自然言語処理モデルでは質問応答の複雑さを考慮しないことに留意する。
広く支持された予想を仮定すると、提案されたモデルを古典的に実装するには超ポリノミカルな資源が必要である。
したがって、実用的な量子プロセッサのパワーを有意義に実証することができる。
モデル構築は、合成量子自然言語処理における以前の研究に基づいている。
ワード埋め込みはパラメータ化された量子回路として符号化され、ここでの合成性は、量子回路がテキストの言語構造に従って構成されることを意味する。
本稿では,短期量子プロセッサ上でのモデル評価手法について概説し,量子ハードウェア上での最近の実装について報告する。
さらに、最も近いベクトル問題に対して量子アルゴリズムを適用することにより、モデルに対するフォールトトレラントな状態において、Groverのようなスピードアップが得られる。
これは、ある状況において任意の古典的アルゴリズムに対して条件のない二次的スピードアップを提供し、将来の研究で経験的に検証する。
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) - Scalable and interpretable quantum natural language processing: an implementation on trapped ions [1.0037949839020768]
本稿では,テキストレベルの量子自然言語処理の実装について述べる。
QDisCoCircモデルに焦点をあて、AIの解釈可能なレンダリングに対する構成的アプローチを基盤としています。
我々はQuantinuumのH1-1トラップイオン量子プロセッサの実験を行った。
論文 参考訳（メタデータ） (2024-09-13T12:36:14Z) - 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) - 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 algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - 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) - Quantum communication complexity of linear regression [0.05076419064097732]
量子コンピュータは、いくつかの基本的な線形代数問題に対する通信の観点から、証明可能かつ指数関数的なスピードアップを持つことを示す。
本稿では,量子特異値変換のための効率的な量子プロトコルを提案する。
論文 参考訳（メタデータ） (2022-10-04T13:27:01Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - Qunity: A Unified Language for Quantum and Classical Computing (Extended
Version) [3.5348690973777006]
量子プログラミング言語Quinityを紹介します。
Qunityは量子コンピューティングを古典コンピューティングの自然な一般化として扱う。
我々はQunityがいくつかの量子アルゴリズムをきれいに表現する方法を示す。
論文 参考訳（メタデータ） (2022-04-26T15:34:22Z) - 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)
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。