用于文本分类的量子循环架构
机构名称:
¥ 1.0

循环神经网络 (RNN) 在神经 NLP 的早期阶段具有变革性(Sutskever 等人,2014 年),并且与 Transformers 等较新的架构相比仍具有竞争力(Orvieto 等人,2024 年)。如今,量子计算也正在成为一种潜在的变革性技术(Preskill,2018 年),我们很自然地会考虑 NLP 模型的量子版本,比如 RNN,并问它们是否比经典模型具有任何优势。在这里,我们开发了基于参数化量子电路 (PQC) 的单元量子 RNN。PQC 可用于提供一种混合量子经典计算形式,其中输入和输出采用经典数据的形式,而控制 PQC 计算的一组参数是经过经典优化的(Benedetti 等人,2019 年)。量子计算之所以令人兴奋,是因为它能让我们高效地解决问题或运行模型,而这些在传统计算机上无法高效运行(Nielsen and Chuang,2000)。量子硬件的快速发展意味着

用于文本分类的量子循环架构

用于文本分类的量子循环架构PDF文件第1页

用于文本分类的量子循环架构PDF文件第2页

用于文本分类的量子循环架构PDF文件第3页

用于文本分类的量子循环架构PDF文件第4页

用于文本分类的量子循环架构PDF文件第5页

相关文件推荐

量子信息处理架构
2022 年
¥2.0