英國劍橋2020年12月11日 /美通社/ -- Cambridge Quantum Computing（劍橋量子計算公司，CQC）今日宣布，其在“意義感知”量子自然語言處理（QNLP）取得的早期發展基礎上，確立QNLP是本征量子，相對傳統計算機具有近期優勢。

自然語言處理（NLP）處于當今人工智能技術發展的最前沿，可以說是該領域最具挑戰性的子領域之一。對于傳統計算機，“意義感知” NLP仍遙不可及。

而量子硬件的不斷發展和量子算法實現的顯著改進意味著，我們正即將跨入一個全新的時代，屆時量子計算機或能以合理資源量重復執行無法在傳統計算機上完成的重要日常任務。

在arXiv（電子預印本科技文獻庫）上發布的多篇論文中，CQC的科研人員以量子計算機科研人員熟悉的表達方式，提供了near-term QNLP研究的概念和數學基礎。其中，基礎論文通過一般性數學工具，以說明文文體撰寫。

牛津大學Bob Coecke教授及其團隊力求規范地將語義與豐富的語言結構（尤其是語法）結合，他們證明了量子計算機可以實現“意義感知”的NLP，從而將QNLP確立為本征量子，達到量子系統模擬水準。此外，用于在量子硬件（變分量子電路）上進行傳統數據編碼的領先中等規模帶噪聲量子（NISQ）范例使得NISQ對QNLP非常友好。

CQC的團隊先前已確立QNLP任務量子加速機制，并以諸多方式展示NLP的潛在量子優勢，包括通過算法加速機制應用于搜索相關或分類任務（NLP中最主要的任務之一），通過利用巨大量子態空間容納復雜的語言結構，以及通過新穎意義模型充分利用密度矩陣。

在隨基礎論文一并發表的實驗論文中，CQC詳細描述了其如何首次實現在兩臺高級IBM量子計算機上運行NLP任務。作為IBM Quantum Network的樞紐之一，CQC有權限訪問上述兩臺計算機。句子被實例化為參數化量子電路，單詞含義則被編碼為量子態。CQC科研人員忠實地將語法結構作為糾纏運算進行硬連線，對其進行了清晰的考慮，這即使在主流NLP中也不常見。這使得CQC的QNLP方法對NISQ特別友好。隨著量子硬件質量的提高，這種新穎的QNLP模式展現出實實在在的可擴展前景。

“CQC在量子自然語言處理領域取得的進展，是我們的眾多合作伙伴利用對IBM量子系統的訪問權限將量子信息處理的前沿推向新的重要應用領域的令人鼓舞的樣例之一?！?IBM量子網絡總監Anthony Annunziata表示。

CQC首席執行官Ilyas Khan表示：“這是NLP是本征量子的首個證據，意味著量子計算機可以在這個領域有所作為，而且從長遠來看，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，它證明了這樣一個事實，即NLP最終能以意義感知的方式實現?！?/p>

牛津大學Coecke教授團隊的Konstantinos Meichanetzidis、Giovanni de Felice和Alexis Toumi為該論文作出了貢獻?？梢酝ㄟ^以下鏈接在arXiv上找到上述論文：

基礎論文鏈接請見這里

實驗結果論文請見這里