Multilingual multi-task quantum transfer learning

doi:10.1007/s42484-025-00260-w

Multilingual multi-task quantum transfer learning

2025-03-26

0

OA

AI

DOI：10.1007/s42484-025-00260-w

原文链接

原文求助

摘要

En 中文

混合量子-经典算法已作为有前景的候选方案出现，用于克服深度学习技术的当前局限性，并且最近因其自然语言处理（NLP）中的应用而吸引了大量关注。在量子计算在该领域的潜在应用中，量子迁移学习——使用量子电路对针对特定任务的预训练经典模型进行微调——被认为是利用量子计算机潜力的潜在途径。本研究通过实验和领域知识分析，验证了量子迁移学习在两种不同NLP任务——语义和句法——中的有效性，并采用包含英语和意大利语的多语言数据。具体而言，本研究证明了来自预训练深度学习模型的嵌入知识可以有效地转移到量子分类器中，该分类器表现出良好的性能，其性能与经典分类器相当甚至可能更好，并且与纯经典分类器相比进一步减少了参数。此外，本研究还呈现了对结果进行定性语言分析，阐明了以下两点：量子模型缺乏语言依赖性，以及能够以比标准分类器更高的精度区分语言结构亚型。

Keyword:

Quantum machine learning

Quantum natural language processing

Variational quantum classifier

Natural language processing

Neural language models

Multilingual multi-task quantum transfer learning

摘要

期刊

机构