omniture
from common-pcom:html:key:hk_segment_includes_overall_segment_header_shtml
美通社: 全球領先的新聞稿發佈, 傳播和監測服務提供者
首页 > 新聞稿中心 > 行业新聞稿
en_US zh_TW zh_CN th_TH

Cambridge Quantum Computing發表有關「意義感知」量子自然語言處理的基礎科學論

2020-12-11 23:02

IBM量子電腦上的實驗中利用了自然語言處理的「量子原生」屬性

英國劍橋2020年12月11日 /美通社/ -- Cambridge Quantum Computing(CQC)今天宣布,它已基於「意義感知」量子自然語言處理(QNLP)的早期發展,證明QNLP具有量子原生性,與傳統電腦相比具有預期的近期優勢。

自然語言處理(NLP)處於當代人工智能發展的最前沿,可以說是該領域中最具挑戰性的領域之一。使用經典電腦,「意義感知」NLP仍然是遙不可及的願望。

量子硬件的穩定增長和量子演算法的顯著改進意味著我們正處在這樣一個時代:量子電腦可以用可重複的方式、以合理數量的資源執行經典電腦無法完成的任務,而且這些適合日常使用的任務至關重要。

在科學電子列印資料庫arXiv上發布的論文中,CQC的科學家以對量子電腦科學家友好的方式為近期QNLP提供了概念和數學基礎。該基礎論文以說明性風格編寫,並提供了數學上的一般性工具。

為了規範地將語言含義與豐富的語言結構(尤其是語法)結合起來,牛津大學的Bob Coecke教授及其團隊證明,量子電腦可以實現「意義感知」的自然語言處理,從而將 QNLP 確立為與量子系統的模擬處於同等水平的量子自然語言。此外,用於在量子硬件(變分量子電路)上編碼經典資料的領先的雜訊中級量子(NISQ)範例讓NISQ非常適合QNLP。

CQC的團隊先前已經建立了QNLP工作的量子加速機制,並以各種方式展示了NLP的潛在量子優勢,包括透過演算法加速搜尋相關或分類工作(它們是NLP中最主要的工作之一),透過指數利用大量子態空間,可以容納複雜的語言結構,最後透過密度矩陣使用新穎意義模型。

在基礎博覽會隨附的實驗論文中,CQC詳細描述了它如何執行在兩台進階IBM量子電腦上執行首個NLP任務,CQC可以將其作為IBM量子網路的中樞進行存取。句子被實例化為參數化的量子電路,單詞含義被編碼為量子態。CQC的科學家透過忠實地將其拼湊為糾纏操作,從而明確說明了語法結構,即使在主流NLP中也不常見。這讓CQC的QNLP方法特別適合NISQ。隨著量子硬件品質的提高,這種新穎的QNLP模型顯示出可擴充性的具體前景。

IBM量子網路總監Anthony Annunziata博士說,「CQC在量子自然語言處理方面的工作是一個令人鼓舞的例子,我們的一個合作夥伴利用對IBM量子系統的存取權 將量子資訊處理的邊界推向了新的重要應用領域。」

CQC行政總裁Ilyas Khan說道:「這是NLP是量子原生代的第一個證據,這意味著量子電腦可以做得很好,並且從長遠來看,它可能比傳統方法更好。我們相信,這是NISQ時代發表的最重要的基礎論文之一,並建立了這樣一個事實,即NLP最終可以以一種有意義的方式實現。」

牛津大學Coecke教授的團隊為論文做出了貢獻,其中包括Konstantinos Meichanetzidis、Giovanni de Felice和Alexis Toumi。這些論文可以透過以下連結在arXiv上找到:

基礎論文可在此處找到

實驗結果可在此處找到

關於Cambridge Quantum Computing

Cambridge Quantum Computing(CQC)成立於2014年,得到了一些世界領先的量子運算公司的支援,是量子軟件及量子演算法的全球領導者,可幫助客戶從最快速發展的量子運算硬件中取得最大收益CQC在英國、美國和日本均有辦公室,並有一個超過130位專家的團隊。如欲了解更多資訊,請瀏覽CQC的網頁:

http://www.cambridgequantum.com

消息來源: Cambridge Quantum Computing
from common-pcom:html:key:hk_segment_includes_releases_right_column_video_module_shtml
精選視頻
數據顯示視頻、圖片等元素讓新聞稿點擊量提升77%
 

電腦軟件 最近新聞稿

電腦/電子 最近新聞稿

調查、投票與研究 最近新聞稿

from common-pcom:html:key:hk_segment_includes_overall_segment_footer_shtml
進階搜尋
搜尋
  
  1. 產品與服務
  2. 新聞稿中心
  3. 知識庫
  4. 博客
  5. 多媒體新聞稿
  6. 聯繫我們
  7. 繁體中文知識庫正在建設中,請您選擇簡體中文或英文版查看。