机构名称：
¥ 1.0
摘要：量子机学习提供了新颖的范式来解决传统自然语言过程中的局限性，例如固定上下文长度和计算效率低下。在这项工作中，我们提出了Qmamba，这是Mamba体系结构的第一个量子适应，将选择性状态空间模型与量子计算集成在一起，以实现有效且可扩展的文本生成。Qmamba利用量子和纠缠等量子原理来实现无界的上下文大小，并减少了计算复合物。我们的贡献包括开发针对硬件结合的量子生成模型，编码，嵌入和测量技术方面的进步，以及其在模式复制和上下文挑战任务上的表现，例如“ Haystack中的针刺”。实验结果证实了Qmamba在不同序列长度上保持高效率和性能的潜力，为未来量子增强自然语言处理的探索奠定了基础。
文本生成的量子选择性状态空间模型
主要关键词
相关文件推荐
